Question

如果我有data.table

> DT1 <- data.table(A=rep(c('A', 'B'), 3),
                    B=rep(c(1,2,3), 2),
                    val=rnorm(6), key='A,B')
> DT1
   A B        val
1: A 1 -1.6283314
2: B 2  0.5337604
3: A 3  0.9991301
4: B 1  1.1421400
5: A 2  0.1230095
6: B 3  0.4988504

我希望通过多个键进行子集，如下所示：

> DT1[J('A', 1)]                                                               
   A B          val
1: A 1 -0.004898047

但是，连接取决于键的顺序，因此键A的值必须始终排在第一位。即使您指定了名称（J()或list()），这也无效：

> DT1[J(1, 'A')]
Error in `[.data.table`(DT1, J(1, "A")) : 
  x.'A' is a character column being joined to i.'V1' which is type 'double'. Character columns must join to factor or character columns.

> DT1[J(B=1, A='A')]
Error in `[.data.table`(DT1, J(B = 1, A = "A")) : 
  x.'A' is a character column being joined to i.'B' which is type 'double'. Character columns must join to factor or character columns.

是否有一种语法可以在不知道密钥顺序的情况下按i进行此类分组？

已添加：另一个用例是，如果我只想按B进行子集而不是按A进行子集 - 有没有办法在子集中跳过键？为J创建包装函数的当前答案似乎不允许这样做。

编辑：有些人提到过使用data.frame方式。我知道您可以使用逻辑值向量来进行子集化，但这对整个表的扫描速度很慢：

> DT1 <- data.table(A=rep(c(1,2,3), 100000), B=rep(c('A', 'B'), 150000), val=rnorm(300000), key='A,B')
> system.time(DT1[DT1$A==1, DT1$B=="A"])                                       
   user  system elapsed 
  0.080   0.000   0.054 
> system.time(DT1[J(1, 'A')])
   user  system elapsed 
  0.004   0.000   0.004

对相关讨论的一些参考：(1)

Answer 1

怎么样......

myJ <- function(key,...) do.call(data.table,list(...))[,key,with=FALSE]
DT1[myJ(B=1,A='A',key=key(DT1))]

或

myJ1 <- function(...) myJ(key(DT1),...)
DT1[myJ1(B=1,A='A')]

这样，您必须正确标记项目。

Answer 2

本着@Frank的答案，但试图自动获得密钥：

myJ2 = function(...) {
  # 'x' a couple of frames above is where the original data.table sits
  data.table(..., key = key(get('x', parent.frame(n = 3))))
}

DT1[myJ2(B=1, A='A')]
#   A B       val
#1: A 1 0.4328698

R - data.table by group by - 键和缺失键

2 个答案: