如何使用data.table执行连接超过日期范围？ [英] How to perform join over date ranges using data.table?

问题描述

如何使用data.table执行以下操作（使用sqldf直接使用），并获得完全相同的结果：

  .table）
 
 whatWasMeasured<  -  data.table（start = as.POSIXct（seq（1,1000，100），
 origin =1970-01-01 00:00： 00），
 end = as.POSIXct（seq（10,1000,100），origin =1970-01-01 00:00:00），
x = 1：10，
y = letters [1:10]）
 
 measurments<  -  data.table（time = as.POSIXct（seq（1,2000，1），
 origin =1970- 01-01 00:00:00），
 temp = runif（2000，10，100））
 
 ## data.tables的替换短名称
 dt1< -  whatWasMeasured 
 dt2<  -  measurments 
 
 ##直接使用sqldf 
库（sqldf）
 
 sqldf（select * from measurments m，whatWasMeasured wwm 
其中m.time在wwm.start和wwm.end之间）
  

方案

您可以使用 foverlaps（）函数，有效地实现间隔连接。在您的情况下，我们只需要测量的虚拟列。

注意1：您应该安装data.table - v1.9.5 的开发版本作为 foverlaps code>已经修复。您可以在此处找到安装说明。

注意2：我将致电 whatWasMeasured = dt1 和测量






<$

p $ p> require（data.table）## 1.9.5+
dt2 [，dummy：= time]

setkey（dt1，start，end）
ans = foverlaps（dt2，dt1，by.x = c（time，dummy），nomatch = 0L）[，dummy：= NULL]


有关详细信息和？foverlaps a / 25655497/559784>此帖，以便进行效果比较。

How to do the below (straightforward using sqldf) using data.table and get exact same result:

library(data.table)

whatWasMeasured <- data.table(start=as.POSIXct(seq(1, 1000, 100),
    origin="1970-01-01 00:00:00"),
    end=as.POSIXct(seq(10, 1000, 100), origin="1970-01-01 00:00:00"),
    x=1:10,
    y=letters[1:10])

measurments <- data.table(time=as.POSIXct(seq(1, 2000, 1),
    origin="1970-01-01 00:00:00"),
    temp=runif(2000, 10, 100))

## Alternative short names for data.tables
dt1 <- whatWasMeasured
dt2 <- measurments

## Straightforward with sqldf    
library(sqldf)

sqldf("select * from measurments m, whatWasMeasured wwm
where m.time between wwm.start and wwm.end")

解决方案

You can use the foverlaps() function which implements joins over intervals efficiently. In your case, we just need a dummy column for measurments.

Note 1: You should install the development version of data.table - v1.9.5 as a bug with foverlaps() has been fixed there. You can find the installation instructions here.

Note 2: I'll call whatWasMeasured = dt1 and measurments = dt2 here for convenience.

require(data.table) ## 1.9.5+
dt2[, dummy := time]

setkey(dt1, start, end)
ans = foverlaps(dt2, dt1, by.x=c("time", "dummy"), nomatch=0L)[, dummy := NULL]

See ?foverlaps for more info and this post for a performance comparison.

这篇关于如何使用data.table执行连接超过日期范围？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！