如何在data.table中按配对表合并重复个体的多组观测？

问题描述 #

现有两个data.table：

• dt1：存储每个个体的N组观测数据（示例中每个个体对应2组measure数据）
• dt2：存储apple和pear两类个体的配对关系

需要生成dt3，包含每对配对个体的所有对应观测数据（即同一measure下的两组个体数值）。

初始数据与目标输出示例：

library(data.table)

# 个体观测数据
dt1 <- data.table(id = rep(c("a", "b", "c", "d", "e", "f"), each=2),
                  type = rep(c("apple", "pear"), each=6),
                  measure = rep(c(1,2), times=6),
                  value = c(1, 5, 1, 9, 4, 2, 1, 8, 7, 4, 9, 5))
# 个体配对关系
dt2 <- data.table(apple = c("a", "b", "c"),
                  pear = c("d", "d", "f"))

# 目标输出dt3
dt3_target <- data.table(apple = rep(c("a", "b", "c"), each=2),
                  pear = rep(c("d", "d", "f"), each = 2),
                  measure = rep(c(1,2), times=3),
                  apple.val = c(1,5,1,9,4,2),
                  pear.val = c(1,8,1,8,9,5))

原方案的问题：使用%in%提取对应个体的观测后，因配对中存在重复个体（如dt2中pear列的d出现两次），导致提取的两组观测行数不匹配，无法直接用cbind()合并。

高效解决方案 #

利用data.table的多键连接特性，直接基于配对关系和观测的measure字段进行关联，确保每行配对的对应观测正确匹配：

方法一：拆分观测表后链式连接 #

# 从dt1中拆分出apple类和pear类的观测，并重命名列
apple_obs <- dt1[type == "apple", .(apple = id, measure, apple.val = value)]
pear_obs <- dt1[type == "pear", .(pear = id, measure, pear.val = value)]

# 先将配对表与apple观测连接，再与pear观测按pear和measure双键连接
dt3 <- dt2[apple_obs, on = .(apple)][pear_obs, on = .(pear, measure)]

方法二：单次链式连接（无需拆分表） #

dt3 <- dt2[dt1[type == "apple"], on = .(apple = id)]  # 匹配apple的观测
dt3 <- dt3[dt1[type == "pear"], on = .(pear = id, measure), pear.val := value]  # 匹配对应measure的pear观测
dt3[, c("type", "value") := NULL]  # 移除多余列
setnames(dt3, "value", "apple.val")  # 重命名apple的数值列

结果验证 #

执行上述代码后，可通过以下命令验证结果与目标输出一致：

all.equal(dt3, dt3_target)
# 输出 TRUE

方案优势 #

• 完全基于data.table的高效连接操作，避免了手动提取和行对齐的问题
• 利用measure作为连接键之一，确保同一配对下的观测按维度正确匹配
• 代码简洁且性能优异，适合作为循环子流程重复执行

内容的提问来源于stack exchange，提问作者tpotter