R语言data.table列操作：id匹配、排序及group值替换高效实现

所有操作均使用data.table原生语法，按引用修改避免不必要的内存拷贝，适配大数据量处理场景。

library(data.table)

# 先统一group列类型为整数，消除factor层级限制，避免后续操作报错
dt.2018[, group := as.integer(as.character(group))]
dt.2019[, group := as.integer(as.character(group))]

步骤1：删除dt.2019中id不存在于dt.2018的整行数据 #

使用data.table半连接实现，性能远高于基础包的%in%判断，大数据量下优势更明显：

dt.2019 <- dt.2019[dt.2018, on = .(id), nomatch = NULL]

步骤2：追加dt.2018独有id行到dt.2019，新增行group设为8 #

用反连接取出dt.2018独有的id行，修改group值后合并：

# 提取dt.2018有、dt.2019没有的id对应行
add_rows <- dt.2018[!dt.2019, on = .(id)]
# 修改新增行的group为8
add_rows[, group := 8]
# 追加到dt.2019
dt.2019 <- rbind(dt.2019, add_rows)

步骤3：两个表按id列排序，保证相同id行索引一致 #

使用setkey按引用排序，无需复制全表数据，效率极高：

setkey(dt.2018, id)
setkey(dt.2019, id)

步骤4：替换dt.2019的group取值 #

用fcase实现批量匹配替换，逻辑清晰且性能优异：

dt.2019[, group := fcase(
  group == 0, 4L,
  group == 1, 5L,
  group == 2, 6L,
  group == 3, 7L,
  group == 8, 8L
)]

运行完成后可执行print(dt.2019)核对结果是否符合预期。

内容的提问来源于stack exchange，提问作者Miko