根据评论和新样本数据进行更新

Question

您好我想选择一组以数据表中的值为条件的值。

具体来说，我想选择按日期和id分组的所有列，其中所有正值都是e == 1

   id   date     e       logret 
   7 2011-07-29  1   -0.0272275211      
   7 2011-07-29  2    0.0034229025      
   7 2011-07-29  3    0.0042622177      
   8 2011-07-29  1    0.0035662770      
   8 2011-07-29  2   -0.0015268474 
   8 2011-07-29  3    0.0013333333
   7 2011-07-30  1    0.0044444444      
   7 2011-07-30  2   -0.0001111111 
   7 2011-07-30  3    0.0013333333

此处将选择id 8和日期2011-07-29的所有元素以及日期2011-07-30的id 7的所有元素，因为e == 1的logret是＆gt; 0，因为第一个logret（其中e == 1）是＆lt; 0

答：

   8 2011-07-29  1    0.0035662770      
   8 2011-07-29  2   -0.0015268474 
   8 2011-07-29  3    0.0013333333
   7 2011-07-30  1    0.0044444444      
   7 2011-07-30  2   -0.0001111111 
   7 2011-07-30  3    0.0013333333

在SQL中

我会使用某种subselect来实现这一点。我会：

1) Select the id and date where e=1 and logret > 0
2) Select * join on results of subselect

我认为data.table也可以这样做，但我发现在data.table术语中表达它很棘手。具体来说，我可以复制第1步，但不能在步骤2中执行连接部分。

pos <- DT[e==1][logret > 0]

但是无法将pos值加入我的DT

Answer 1

它不漂亮，而且它不在data.table中，但这似乎可以起作用：

# Recreate your data
df = read.table(header=TRUE, text="id   date    e       logret 
    7 2011-07-29 1   -0.0272275211      
    7 2011-07-29 2    0.0034229025      
    7 2011-07-29 2    0.0042622177      
    8 2011-07-29 1    0.0035662770      
    8 2011-07-29 2   -0.0015268474 
    8 2011-07-29 3    0.0013333333")
df[which(df$id != df$id[which(df$e == 1 & df$logret < 0)]),]
#   id       date e       logret
# 4  8 2011-07-29 1  0.003566277
# 5  8 2011-07-29 2 -0.001526847
# 6  8 2011-07-29 3  0.001333333
#
## Or the equivalent in "positive" terms
#
# df[which(df$id == df$id[which(df$e == 1 & df$logret > 0)]),]

根据评论和新样本数据进行更新

刚刚开始（我还没有 } data.table包的体验;它在我的“学习”列表中。这是一个可能的解决方案：

temp = split(df, df$date)
lapply(temp, 
       function(x) 
         x[which(x$id == x$id[which(x$e == 1 & x$logret > 0)]),])
# $`2011-07-29`
#   id       date e       logret
# 4  8 2011-07-29 1  0.003566277
# 5  8 2011-07-29 2 -0.001526847
# 6  8 2011-07-29 3  0.001333333
# 
# $`2011-07-30`
#   id       date e        logret
# 7  7 2011-07-30 1  0.0044444444
# 8  7 2011-07-30 2 -0.0001111111
# 9  7 2011-07-30 3  0.0013333333

更新2

值得尝试merge：

merge(df, df[which(df$e == 1 & df$logret > 0), c(1, 2)])
#   id       date e        logret
# 1  7 2011-07-30 1  0.0044444444
# 2  7 2011-07-30 2 -0.0001111111
# 3  7 2011-07-30 3  0.0013333333
# 4  8 2011-07-29 1  0.0035662770
# 5  8 2011-07-29 2 -0.0015268474
# 6  8 2011-07-29 3  0.0013333333

Answer 2

我已经解决了一轮问题：

pos <- DT[e==1][logret > 0, list(id,date)]
ans <- DT[J(pos$id,pos$date)];

有兴趣在data.table中听到更优雅的1行方式。

Matthew的编辑：

如果key(DT)已经(id,date)，那么一个班轮就是：

DT[DT[e==1 & logret>0, list(id,date)]]

那也应该更快。如果您可以依赖id和date作为DT的前两列，则可以缩短为：

DT[DT[e==1 & logret>0]]

R group select以data.table中的值为条件

2 个答案:

根据评论和新样本数据进行更新

更新2