如何基于另一个data.table过滤目标data.table数据？

嗨，我来帮你搞定这个data.table的过滤需求！你想要的是移除dt_1中所有与dt_2的(id, v1)组合完全匹配的行，之前的方法没达到预期是因为没做到「组合匹配」，下面给你两种高效的解决方案：

方法一：使用on参数直接做反连接（推荐） #

这是data.table最直观的做法，直接指定用来匹配的列组合，不需要提前设键：

library(data.table)
dt_1 <- data.table(id = c('cg','fs','fs'), v1 = c('a','a','b'), v2 = c('d','e','f'))
dt_2 <- data.table(id = c('cg','fs','cg'), v1 = c('a','a','b'))

# 核心代码：反连接，保留dt_1中不在dt_2的(id,v1)组合的行
dt_1[!dt_2, on = .(id, v1)]

运行后得到的结果正好是你想要的：

id v1 v2
1: fs  b  f

方法二：设置键后做反连接 #

如果你习惯用键操作，可以先给两个表设置相同的键（即匹配列），再执行反连接：

setkey(dt_1, id, v1)
setkey(dt_2, id, v1)

dt_1[!dt_2]

这样也能得到完全一致的结果，之前dt_1[!dt_2]报错就是因为没有指定匹配的列或键，data.table不知道按什么规则去匹配两个表。

为什么之前的方法不对？ #

你之前用的dt_1[!(id%in%dt_2$id & v1%in%dt_2$v1)]是分别检查id是否在dt_2的id列表里、v1是否在dt_2的v1列表里，而不是检查**(id, v1)这个组合是否存在于dt_2中**。比如dt_1里的(fs,a)，id=fs在dt_2的id里，v1=a也在dt_2的v1里，所以会被错误地判定为要过滤，但实际上这个组合确实存在于dt_2中，应该被移除；而(fs,b)这个组合在dt_2里没有，所以要保留——这正是上面两种方法能正确实现的逻辑。

内容的提问来源于stack exchange，提问作者quant