การนำ join เข้ามาใช้ใน data.table workflow

การ Join ข้อมูลด้วย data.table ใน R

Scott Ritchie

Postdoctoral Researcher in Systems Genomics

การเชื่อม data.table expression

สามารถเชื่อม data.table expression ต่อกันได้:

demographics[...][...]

รูปแบบทั่วไปของการเชื่อม join:

DT1[DT2, on][i, j, by]
    |    |   |  |  |
    |    |   |  |   --> grouped by what?
    |    |   |   -----> what to do?
    |    |    --------> on which rows?
    |     ------------> join key columns
     -----------------> join to which data.table?

Join แล้วคำนวณ

customers <- data.table(name   = c("Mark", "Matt", "Angela", "Michelle"), 
                        gender = c("M", "M", "F", "F"), 
                        age    = c(54, 43, 39, 63))
customers

       name gender age
1:     Mark      M  54
2:     Matt      M  43
3:   Angela      F  39
4: Michelle      F  63

Join แล้วคำนวณ

purchases <- data.table(name  = c("Mark", "Matt", "Angela", "Michelle"),
                        sales = c(1, 5, 4, 3),
                        spent = c(41.70, 41.78, 50.77, 60.01))
purchases

       name sales spent
1:     Mark     1 41.70
2:     Matt     5 41.78
3:   Angela     4 50.77
4: Michelle     3 60.01

Join แล้วคำนวณ

customers[purchases, 
          on = .(name)][sales > 1, 
                        j = .(avg_spent = sum(spent) / sum(sales)), 
                        by = .(gender)]

   gender avg_spent
1:      M  13.91333
2:      F  20.00333

การคำนวณร่วมกับ join

การคำนวณร่วมกับ join:

DT1[DT2, on, j]
    |    |   | 
    |    |    ----> what to do on the join result?
    |     --------> using which columns as keys? 
     -------------> join to which data.table?

มีประสิทธิภาพสูงเมื่อใช้กับ data.table ขนาดใหญ่!

การ join และสร้างคอลัมน์

การสร้างคอลัมน์จะเกิดขึ้นใน data.table หลัก:

customers[purchases, on = .(name), return_customer := sales > 1]
customers

       name gender age return_customer
1:     Mark      M  54           FALSE
2:     Matt      M  43            TRUE
3:   Angela      F  39            TRUE
4: Michelle      F  63            TRUE

การจัดกลุ่มตามผลการจับคู่

by = .EACHI จัดกลุ่ม j ตามแต่ละแถวจาก DT2

DT1[DT2, on, j, by = .EACHI]
    |    |   |  |
    |    |   |   --> grouped by each match in DT1.
    |    |    -----> what to do on the join result?
    |     ---------> using which columns as keys? 
     --------------> join to which data.table?

การจัดกลุ่มตามผลการจับคู่

shipping[customers, on = .(name), 
         j = .("# of shipping addresses" = .N),
         by = .EACHI]

การจัดกลุ่มตามคอลัมน์ร่วมกับ join

การจัดกลุ่มด้วยคอลัมน์ใน by จะจำกัดการคำนวณไว้ใน data.table หลัก:

DT1[DT2, on, j, by]
    |    |   |  |
    |    |   |   --> grouped by what columns in DT1?
    |    |    -----> what to do on columns in DT1?
    |     ---------> using which columns as keys? 
     --------------> join to which data.table?

การจัดกลุ่มตามคอลัมน์ร่วมกับ join

Join และคำนวณตามกลุ่มใน customers:

customers[shipping, on = .(name), 
          .(avg_age = mean(age)), by = .(gender)]

   gender  avg_age
1:      M 46.66667
2:      F 39.00000

มาฝึกกันเถอะ!

การ Join ข้อมูลด้วย data.table ใน R