R语言data.table场景下如何提取join操作on参数表达式的左右侧内容

需求说明 #

在data.table连接操作场景中，on参数支持多种合法传入格式，常见形式如下：

• 无命名字符向量：例如c("date == Date", "id")，元素可以是带比较运算符的表达式，也可以是单个列名（代表左右表列名一致）
• 命名字符向量：例如c(date = "Date", "id")，命名位置的键名代表左表列，值代表右表列

我们需要实现两个工具函数lhs()和rhs()，分别提取on参数中对应左表、右表的列名，符合以下示例效果：

• lhs(c("date == Date", "id")) 返回 c("date", "id")
• rhs(c("date <= Date", "id == ID")) 返回 c("Date", "ID")
• lhs(c(date = "Date", "id")) 返回 c("date", "id")

函数实现 #

# 提取左表列名
lhs <- function(on) {
  nms <- names(on)
  res <- character(length(on))
  # 处理带命名的元素，直接取名称作为左表列
  named_idx <- !is.null(nms) & nms != ""
  res[named_idx] <- nms[named_idx]
  # 处理未命名元素，拆分运算符取左侧
  unamed_ele <- on[!named_idx]
  op_pat <- "\\s*(==|>=|<=|<|>|%in%)\\s*"
  split_ele <- strsplit(unamed_ele, op_pat)
  res[!named_idx] <- vapply(split_ele, function(x) trimws(x[1]), FUN.VALUE = character(1))
  unname(res)
}

# 提取右表列名
rhs <- function(on) {
  nms <- names(on)
  res <- character(length(on))
  # 处理带命名的元素，直接取对应值作为右表列
  named_idx <- !is.null(nms) & nms != ""
  res[named_idx] <- on[named_idx]
  # 处理未命名元素，拆分运算符取右侧
  unamed_ele <- on[!named_idx]
  op_pat <- "\\s*(==|>=|<=|<|>|%in%)\\s*"
  split_ele <- strsplit(unamed_ele, op_pat)
  res[!named_idx] <- vapply(split_ele, function(x) trimws(x[length(x)]), FUN.VALUE = character(1))
  unname(res)
}

效果验证 #

# 测试1：无命名混合表达式和单列名
lhs(c("date == Date", "id"))
# 输出："date" "id"

# 测试2：无命名全表达式
rhs(c("date <= Date", "id == ID"))
# 输出："Date" "ID"

# 测试3：混合命名和无命名元素
lhs(c(date = "Date", "id"))
# 输出："date" "id"

内容的提问来源于stack exchange，提问作者statquant