使用另一个 data.table 中的值更新 data.table 中的值

我有一个包含大约 2500 万行的数据集。我正在获取这些行的子集并执行一个运行良好的函数。但是，我接下来需要做的是用新值更新原始数据集中的值，同时保留其余值。我确信这很简单，但我就是无法理解它。

这是我正在处理的事情的简化版本：

require("data.table")

df <-data.frame(AREA_CD = c(sample(1:25000000, 25000000, replace=FALSE)), ALLOCATED = 0, ASSIGNED = "A", ID_CD = c(1:25000000))
df$ID_CD <- interaction( "ID", df$ID_CD, sep = "")
dt <- as.data.table(df)

sub_dt <- dt[5:2004,]
sub_dt[,ALLOCATED:=ALLOCATED+1]
sub_dt[,ASSIGNED:="B"]

我所追求的是“分配”和“分配”中的值sub_dt替换 'ALLOCATED' 和 'ASSIGNED' 值dt基于“ID_CD”列。根据我的示例，我想要的输出仍然有 2500 万行，但有 2000 个更新行。任何帮助将非常感激。谢谢。

大卫·阿伦堡提供的答案在他的评论中解释如何将修改后的数据子集连接回原始数据data.table.

但是，我想知道为什么OP不直接在原始版本中应用更改data.table 引用使用返回列表的函数：

my_fun <- function(alloc, assig) {
  list(
    alloc + 1,
    "B")
}

使用此函数可以直接在data.table:

dt[5:2004, c("ALLOCATED", "ASSIGNED") := my_fun(ALLOCATED, ASSIGNED)]
dt[1:7]
#   AREA_CD ALLOCATED ASSIGNED ID_CD
#1:    1944         0        A   ID1
#2:    3265         0        A   ID2
#3:   15415         0        A   ID3
#4:   14121         0        A   ID4
#5:   10546         1        B   ID5
#6:    2263         1        B   ID6
#7:   12339         1        B   ID7

基准

由于内存限制，仅使用具有 250 万行（而不是 OP 中的 2500 万行）的较小数据集。

library(microbenchmark)
setDT(df)  # coerce df to data.table
microbenchmark(
  copy = dt <- copy(df),
  join = {
    dt <- copy(df)
    sub_dt <- dt[5:2004,]
    sub_dt[,ALLOCATED:=ALLOCATED+1]
    sub_dt[,ASSIGNED:="B"]
    dt[sub_dt, `:=`(ALLOCATED = i.ALLOCATED, ASSIGNED = i.ASSIGNED), on = .(ID_CD)]
  },
  byref = {
    dt <- copy(df)
    dt[5:2004, c("ALLOCATED", "ASSIGNED") := my_fun(ALLOCATED, ASSIGNED)]
  },
  times = 10L
)
#Unit: milliseconds
#  expr       min        lq      mean    median        uq       max neval
#  copy  13.80400  14.07850  28.22882  14.15836  14.39643 154.70570    10
#  join 239.36476 240.72745 244.27668 243.52967 246.17104 255.06271    10
# byref  14.28806  14.47308  15.00056  14.63147  14.73134  18.71181    10

更新中data.table“就地”比创建子集然后再加入要快得多。需要复制操作才能使用未修改的版本启动每个基准测试运行dt。因此，复制操作也被基准化。

data.table使用版本1.10.4。