为什么data.tables的X [Y]联接不允许完全外部联接或左联接？

这是关于data.table连接语法的一个哲学问题。我发现data.tables有越来越多的用途，但仍在学习...

X[Y]data.tables的联接格式非常简洁，方便且有效，但是据我所知，它仅支持内部联接和正确的外部联接。要获得左侧或完全外部联接，我需要使用merge：

• X[Y, nomatch = NA] -Y中的所有行-右外部联接（默认）
• X[Y, nomatch = 0] -仅X和Y都匹配的行-内部联接
• merge(X, Y, all = TRUE) -X和Y的所有行-完全外部联接
• merge(X, Y, all.x = TRUE) -X中的所有行-左外部联接

在我看来，如果X[Y]连接格式支持所有4种连接类型，那将很方便。是否仅支持两种类型的联接？

对我来说，nomatch = 0和nomatch = NA参数值对于正在执行的动作不是很直观。这是我更容易理解和记忆的merge语法：all = TRUE，all.x = TRUE和all.y = TRUE。由于X[Y]操作merge远不止于match，为什么不对merge联接使用语法而不是match函数的nomatch参数？

以下是4种联接类型的代码示例：

# sample X and Y data.tables
library(data.table)
X <- data.table(t = 1:4, a = (1:4)^2)
setkey(X, t)
X
#    t  a
# 1: 1  1
# 2: 2  4
# 3: 3  9
# 4: 4 16

Y <- data.table(t = 3:6, b = (3:6)^2)
setkey(Y, t)
Y
#    t  b
# 1: 3  9
# 2: 4 16
# 3: 5 25
# 4: 6 36

# all rows from Y - right outer join
X[Y]  # default
#  t  a  b
# 1: 3  9  9
# 2: 4 16 16
# 3: 5 NA 25
# 4: 6 NA 36

X[Y, nomatch = NA]  # same as above
#    t  a  b
# 1: 3  9  9
# 2: 4 16 16
# 3: 5 NA 25
# 4: 6 NA 36

merge(X, Y, by = "t", all.y = TRUE)  # same as above
#    t  a  b
# 1: 3  9  9
# 2: 4 16 16
# 3: 5 NA 25
# 4: 6 NA 36

identical(X[Y], merge(X, Y, by = "t", all.y = TRUE))
# [1] TRUE

# only rows in both X and Y - inner join
X[Y, nomatch = 0]  
#    t  a  b
# 1: 3  9  9
# 2: 4 16 16

merge(X, Y, by = "t")  # same as above
#    t  a  b
# 1: 3  9  9
# 2: 4 16 16

merge(X, Y, by = "t", all = FALSE)  # same as above
#    t  a  b
# 1: 3  9  9
# 2: 4 16 16

identical( X[Y, nomatch = 0], merge(X, Y, by = "t", all = FALSE) )
# [1] TRUE

# all rows from X - left outer join
merge(X, Y, by = "t", all.x = TRUE)
#    t  a  b
# 1: 1  1 NA
# 2: 2  4 NA
# 3: 3  9  9
# 4: 4 16 16

# all rows from both X and Y - full outer join
merge(X, Y, by = "t", all = TRUE)
#    t  a  b
# 1: 1  1 NA
# 2: 2  4 NA
# 3: 3  9  9
# 4: 4 16 16
# 5: 5 NA 25
# 6: 6 NA 36

更新：data.table v1.9.6引入了on=语法，该语法允许临时连接除主键之外的其他字段。jangorecki对问题的答案如何连接（合并）数据框（内部，外部，左侧，右侧）？提供了data.table可以处理的其他联接类型的一些示例。

引用data.table FAQ 1.11 X[Y]和之间有什么区别merge(X, Y)？

X[Y] 是联接，使用Y（或Y的键，如果有的话）作为索引查找X的行。

Y[X] 是一个联接，使用X（或X的键，如果有的话）查找Y的行

merge(X,Y)同时执行两种方式。X[Y]和的行数Y[X]通常不同，而merge(X,Y)和merge(Y,X)所返回的行数相同。

但是错过了要点。大多数任务需要在联接或合并之后对数据执行某些操作。为什么合并所有数据列，然后只使用它们的一小部分？您可能会建议 merge(X[,ColsNeeded1],Y[,ColsNeeded2])，但这要求程序员确定需要哪些列。X[Y,jdata.table中的]为您完成所有这些工作。在编写时X[Y,sum(foo*bar)]，data.table会自动检查j表达式以查看其使用的列。它将仅对那些列进行子集化；其他被忽略。仅为j使用的列创建内存，并且Y列在每个组的上下文中享有标准的R回收规则。假设fooin中X，而bar在中Y（以及中的其他20列Y）。是不是X[Y,sum(foo*bar)] 比合并所有浪费的子集更快地编程和更快地运行？

如果您想要左外连接 X[Y]

le <- Y[X]
mallx <- merge(X, Y, all.x = T)
# the column order is different so change to be the same as `merge`
setcolorder(le, names(mallx))
identical(le, mallx)
# [1] TRUE

如果要完全外部联接

# the unique values for the keys over both data sets
unique_keys <- unique(c(X[,t], Y[,t]))
Y[X[J(unique_keys)]]
##   t  b  a
## 1: 1 NA  1
## 2: 2 NA  4
## 3: 3  9  9
## 4: 4 16 16
## 5: 5 25 NA
## 6: 6 36 NA

# The following will give the same with the column order X,Y
X[Y[J(unique_keys)]]

@mnel的答案很明确，因此请接受该答案。这只是跟进，评论时间过长。

作为MNEL说，左/右外连接是通过交换获得Y和X：Y[X]航班吗X[Y]。因此，该语法支持4种连接类型中的3种，而不是2种iiuc。

添加第四似乎是一个好主意。假设我们添加full=TRUE或both=TRUE或merge=TRUE（不确定最佳的参数名称？），那么X[Y,j,merge=TRUE]在FAQ 1.12中，但由于我之后没有想到，它才有用。现在添加了新功能请求，并已链接回这里，谢谢：

FR＃2301：与merge（）一样，为X [Y]和Y [X]联接添加merge = TRUE参数。

最近的版本已经加快了速度merge.data.table（例如，通过在内部进行浅表复制来更有效地设置密钥）。因此，我们正试图把merge()和X[Y]密切，并提供给用户的所有选项充分的灵活性。两者都有优点和缺点。另一个出色的功能要求是：

FR＃2033：将by.x和by.y添加到merge.data.table

如果还有其他人，请让他们继续。

通过问题的这一部分：

为什么不对联接使用合并语法，而不是对match函数的nomatch参数使用？

如果你喜欢merge()的语法和它的3个参数all，all.x并且all.y然后就用这个来代替X[Y]。认为它应该涵盖所有情况。还是您的意思是为什么论点是单一nomatch的[.data.table？如果是这样的话，这对于FAQ 2.14来说似乎就是自然的方式：“您能否进一步解释为什么data.table受到base中A [B]语法的启发？”。而且，nomatch当前0和仅接受两个值NA。可以扩展该值，例如，负值表示某种含义，或者12表示使用第12行的值来填充NA，或者nomatch将来可能是向量，甚至可能是本身data.table。

嗯 怎么会通过，而无需按与合并交互= TRUE？也许我们应该把它交给datatable-help。

这个“答案”是一个讨论的建议：如我的评论中所述，我建议向join[.data.table（）添加一个参数以启用其他类型的联接，即：X[Y,j,join=string]。除了4种普通联接之外，我还建议支持3种类型的互斥联接和交叉联接。

join各种连接类型的字符串值（和别名）建议为：

1. "all.y"和"right"-右连接，本data.table默认（NOMATCH = NA） -所有的Y行的NA与其中不存在X匹配;

2. "both"和"inner" -内部联接（NOMATCH = O） -仅行，其中X和Y匹配;

3. "all.x"和"left" -左连接-X，NA中所有与Y不匹配的行：

4. "outer"和"full" -完全外部联接-X和Y，NA中的所有行均不匹配

5. "only.x"和"not.y"-非连接或反连接返回X行里没有ÿ匹配

6. "only.y" 和"not.x"-非连接或反连接返回y行不存在X匹配
7. "not.both" -互斥连接返回与另一张表不匹配的X和Y行，即，异或（XOR）
8. "cross"-交叉联接或笛卡尔乘积，其中X的每一行与Y的每一行匹配

默认值join="all.y"与当前默认值相对应。

“ all”，“ all.x”和“ all.y”字符串值对应于merge()参数。SQL用户可能更喜欢“ right”，“ left”，“ inner”和“ outer”字符串。

目前，“ both”和“ not.both”字符串是我的最佳建议-但对于内部联接和互斥联接，有人可能会提供更好的字符串建议。（我不确定“排他”是否是正确的术语，如果对“ XOR”联接有合适的术语，请更正我。）

尽管我不确定它们是否相同（data.table版本1.8.3中的新功能），但使用或join="not.y"可以替代 X[-Y,j]或X[!Y,j]不使用联接语法，对我来说也许更清楚。

交叉连接有时可能很方便，但可能不适合data.table范例。