我想有条件地将两个数据表连接在一起：
library(data.table)
set.seed(1)
key.table <-
data.table(
out = (0:10)/10,
keyz = sort(runif(11))
)
large.tbl <-
data.table(
ab = rnorm(1e6),
cd = runif(1e6)
)
根据以下规则：匹配最小值 out 在 key.table 谁的 keyz 值大于 cd。我有以下内容：
library(dplyr)
large.tbl %>%
rowwise %>%
mutate(out = min(key.table$out[key.table$keyz > cd]))
它提供了正确的输出。我遇到的问题是 rowwise 操作似乎很昂贵 large.tbl 我实际上正在使用，崩溃它，除非它在特定的计算机上。是否有更少的内存昂贵的操作？以下似乎稍快，但不足以解决我的问题。
large.tbl %>%
group_by(cd) %>%
mutate(out = min(key.table$out[key.table$keyz > cd]))
这闻起来像一个问题 data.table 回答，但答案不必使用该包。
你想要的是：
setkey(large.tbl, cd)
setkey(key.table, keyz)
key.table[large.tbl, roll = -Inf]
看到 ?data.table>roll：
适用于最后一个连接列，通常是日期，但可以是任何有序变量，不规则且包括间隙。如果 roll=TRUE 和 i除了最后一个，所有的行都匹配 x 连接列，其值在最后 i 连接列落在一个空隙中（包括在最后一次观察之后） x 对于那个组），然后是当前的价值 x 向前滚动。使用修改的二进制搜索，此操作特别快。该操作也称为最后观察结果（LOCF）。通常，应该没有重复 x的关键，最后一个关键列是日期（或时间，或日期时间）和所有列 x关键是加入。一个常见的习语是选择一个同期的常规时间序列（dts）跨越一组标识符（ids）： DT[CJ(ids,dts),roll=TRUE] 哪里 DT 有一个2列的键（id,date）和 CJ 代表交叉连接。什么时候 roll 是一个正数，这限制了值的结果。 roll=TRUE 相当于 roll=+Inf。什么时候 roll 是一个负数，值向后滚动;即，下一次观察向后移动（NOCB）。使用 -Inf 无限回滚。滚动的时候 "nearest"，最近的值连接到。
（公平地说，我认为这可以用于解释，它非常密集）
如果 key.table$out 也可以按照您的玩具示例进行排序，以下工作
ind <- findInterval(large.tbl$cd, key.table$keyz) + 1
large.tbl$out <- key.table$out[ind]
head(large.tbl)
# ab cd out
#1: -0.928567035 0.99473795 NA
#2: -0.294720447 0.41107393 0.5
#3: -0.005767173 0.91086585 1.0
#4: 2.404653389 0.66491244 0.8
#5: 0.763593461 0.09590456 0.1
#6: -0.799009249 0.50963409 0.5
如果 key.table$out 没有排序，
ind <- findInterval(large.tbl$cd, key.table$keyz) + 1
vec <- rev(cummin(rev(key.table$out)))
large.tbl$out <- vec[ind]