更新联接中的值
当数据 整洁时， 它通常被组织成几个表。要合并数据进行分析，我们需要使用另一个表中的值更新一个表。
例如，我们可能有演出的销售数据，其中表演者的属性（他们的预算）和位置（人口）存储在不同的表中：
set.seed(1)
mainDT = data.table(
p_id = rep(LETTERS[1:2], c(2,4)),
geo_id = sample(rep(state.abb[c(1,25,50)], 3:1)),
sales = sample(100, 6)
)
pDT = data.table(id = LETTERS[1:2], budget = c(60, 75))
geoDT = data.table(id = state.abb[c(1,50)], pop = c(100, 200))
mainDT # sales data
# p_id geo_id sales
# 1: A AL 95
# 2: A WY 66
# 3: B AL 62
# 4: B MO 6
# 5: B AL 20
# 6: B MO 17
pDT # performer attributes
# id budget
# 1: A 60
# 2: B 75
geoDT # location attributes
# id pop
# 1: AL 100
# 2: WY 200
当我们准备进行一些分析时，我们需要从这些其他表中获取变量：
DT = copy(mainDT)
DT[pDT, on=.(p_id = id), budget := i.budget]
DT[geoDT, on=.(geo_id = id), pop := i.pop]
# p_id geo_id sales budget pop
# 1: A AL 95 60 100
# 2: A WY 66 60 200
# 3: B AL 62 75 100
# 4: B MO 6 75 NA
# 5: B AL 20 75 100
# 6: B MO 17 75 NA
采用 copy 是为了避免污染原始数据，但我们可以直接在 mainDT 上工作。
使用单独表的优点
关于整洁数据的论文中介绍了这种结构的优点，但在此背景下：
-
*追踪丢失的数据。*只有在合并中匹配的行才会收到分配。我们上面没有关于
geo_id == "MO"的数据，因此我们的最终表格中的变量是NA。如果我们意外地看到这样的缺失数据，我们可以追溯到geoDT表中缺少的观察，并从那里调查我们是否有可以解决的数据问题。 -
*可理解性。*在建立我们的统计模型时，记住
budget对每个表演者来说都是不变的可能是很重要的。一般而言，了解数据结构会带来好处。 -
*内存大小。*可能存在大量的执行者和位置属性，这些属性不会在统计模型中结束。这样，我们不需要将它们包含在用于分析的（可能是大量的）表中。
以编程方式确定列
如果 pDT 中有很多列，但我们只想选几个，我们可以使用
p_cols = "budget"
DT[pDT, on=.(p_id = id), (p_cols) := mget(sprintf("i.%s", p_cols))]