我有一个关于“非连接”的data.table成语的问题,灵感来自Iterator的
question.这里有一个例子：
- library(data.table)
- dt1 <- data.table(A1=letters[1:10],B1=sample(1:5,10,replace=TRUE))
- dt2 <- data.table(A2=letters[c(1:5,11:15)],B2=sample(1:5,replace=TRUE))
- setkey(dt1,A1)
- setkey(dt2,A2)
data.tables看起来像这样
- > dt1 > dt2
- A1 B1 A2 B2
- [1,] a 1 [1,] a 2
- [2,] b 4 [2,] b 5
- [3,] c 2 [3,] c 2
- [4,] d 5 [4,] d 1
- [5,] e 1 [5,] e 1
- [6,] f 2 [6,] k 5
- [7,] g 3 [7,] l 2
- [8,] h 3 [8,] m 4
- [9,] i 2 [9,] n 1
- [10,] j 4 [10,] o 1
要查找dt2中的哪些行在dt1中具有相同的键,请将该选项设置为TRUE：
- > dt1[dt2,which=TRUE]
- [1] 1 2 3 4 5 NA NA NA NA NA
马修在answer年提出,这个“不加入”的成语
- dt1[-dt1[dt2,which=TRUE]]
将dt1子集到具有不出现在dt2中的索引的那些行.在我的机器上与data.table v1.7.1我得到一个错误：
- Error in `[.default`(x[[s]],irows): only 0's may be mixed with negative subscripts
相反,选项nomatch = 0,“非连接”工作
- > dt1[-dt1[dt2,which=TRUE,nomatch=0]]
- A1 B1
- [1,] f 2
- [2,] g 3
- [3,] h 3
- [4,] i 2
- [5,] j 4
这是有意的行为吗？
解决方法
据我所知,这是R的一部分
- # This works
- (1:4)[c(-2,-3)]
- # But this gives you the same error you described above
- (1:4)[c(-2,-3,NA)]
- # Error in (1:4)[c(-2,NA)] :
- # only 0's may be mixed with negative subscripts
文本错误消息表明它是预期的行为.
这是我最好的猜测,为什么这是预期的行为：
从他们处理NA的方式(例如通常默认为na.rm = FALSE),似乎R的设计者将NA视为携带重要信息,并且不愿意删除这些信息,而没有明确的指示. (幸运的是,设置nomatch = 0给你一个干净的方式通过该指令！)
在这种情况下,设计者的偏好可能解释了为什么NA被接受为正数索引,而不是负的索引：
- # Positive indexing: works,because the return value retains info about NA's
- (1:4)[c(2,3,NA)]
- # Negative indexing: doesn't work,because it can't easily retain such info
- (1:4)[c(-2,NA)]
