data.table非等连接：能否避免显式计算列实现区间匹配？

这确实是个很实用的需求——不想多创建一列Z来完成非等连接，data.table其实完全能做到，只是得调整一下连接的写法～你之前尝试直接在on里写X+Y>=X_min失败，大概率是因为用的data.table版本比较旧，对on参数里的表达式支持有限，或者写法需要微调。下面给你两种靠谱的方案：

方案1：反向查找+.SD直接更新 #

这种方法完全不用创建任何临时列，直接在DT1里完成赋值：

set.seed(2018)
DT1 <- data.table(ID = seq(10), X = round(500*runif(10)), Y = round(500*runif(10)))
DT2 <- data.table(ID = seq(10), X_min = seq(0,900,100), X_max = seq(99,999,100), Text=LETTERS[1:10])

# 直接给DT1新增Description列，无需显式计算Z
DT1[, Description := DT2[.SD, Text, on = .(X_min <= X+Y, X_max >= X+Y)]]

这里的逻辑很直观：

• .SD代表DT1的当前行，每次迭代都会自动计算该行的X+Y
• DT2[.SD, ...]会在DT2里找满足X_min ≤ X+Y ≤ X_max的行，返回对应的Text值
• 最后把这些Text值直接赋值给DT1的新列Description

方案2：用foverlaps做区间匹配 #

如果你的data.table版本支持foverlaps（现在大部分新版本都支持），可以把DT1的X+Y转换成一个“单点区间”（也就是起始和结束值都是X+Y），然后和DT2的[X_min, X_max]区间做重叠匹配：

# 临时生成单点区间并完成匹配，不修改原DT1的结构
matched_result <- foverlaps(
  DT1[, .(ID, start = X+Y, end = X+Y)],
  DT2[, .(DT2_ID = ID, X_min, X_max, Text)],
  by.x = c("start", "end"),
  by.y = c("X_min", "X_max"),
  type = "within"  # 只匹配完全落在目标区间内的点
)[, .(ID, X = DT1$X[match(ID, DT1$ID)], Y = DT1$Y[match(ID, DT1$ID)], Description = Text)]

# 如果要直接更新原DT1，用merge合并即可
DT1 <- merge(DT1, matched_result[, .(ID, Description)], by = "ID", all.x = TRUE)

这种方法更适合复杂的区间匹配场景，比如多维度区间判断，不过需要注意匹配后的列名整理。

补充：新版本的简化写法 #

如果你用的是data.table 1.14.0及以上的版本，其实你最开始尝试的写法是可以直接运行的！比如：

DT1[DT2, Description := i.Text, on = .(X + Y >= X_min, X + Y <= X_max)]

如果之前这个写法失败，建议先运行packageVersion("data.table")检查版本，版本太低的话更新到最新版就能解决问题啦。

内容的提问来源于stack exchange，提问作者HannesZ