我在data.table中的参数（计算结果为逻辑的表达式）

Question

我有以下内容：

test <- data.table(id=1:11, t=c(rep(1:2,5), 3))
test[length(unique(id))>1,list(id, t), by=t]

    id t
 1:  1 1
 2:  2 2
 3:  3 1
 4:  4 2
 5:  5 1
 6:  6 2
 7:  7 1
 8:  8 2
 9:  9 1
10: 10 2
11: 11 3

我希望这可以按test对t进行分组，评估每个组的j语句，并返回i为真的行（即更多比1个唯一的id）。而是返回的是：

> test
     id t
 1:  1 1
 2:  2 2
 3:  3 1
 4:  4 2
 5:  5 1
 6:  6 2
 7:  7 1
 8:  8 2
 9:  9 1
10: 10 2  
11: 11 3

似乎by仅适用于j而不适用于i。这里有什么建议吗？

Answer 1

正确或错误地，i先运行j然后by在i的所有行上test[,list(id, u=length(unique(id))), by=t][u>1] 运行。

一个常见的习语是这样的（类似于SQL中的HAVING）：

u

并从结果中排除test[,list(id, u=length(unique(id))), by=t][u>1][,u:=NULL] （每个组中唯一ID的数量）：

i

顺便说一句，在u>1上进行矢量扫描（小得多）聚合结果（例如上面一行中的j）比对（更大）原始数据进行矢量扫描要有效得多

如果by在整个数据集上按i运行，后跟结果[（如您所料），则会导致效率问题。考虑一下它是否有效。然后首先对结果进行分组，然后对结果进行分组，则需要将其拆分为两个DT[i][,j,by]调用：i。然后j没有看到[.data.table（DT[i,j,by]内）并且不知道它需要哪些列。将其合并为一个i，{}允许j在评估前检查j，并仅对i所需的列进行子集化。这对使用一小部分列的查询的大型数据集产生了很大的差异。

---

要查看发生的情况，请转发j并将其设为test[,length(unique(id))>1] # [1] TRUE ：

TRUE

然后单个DT[TRUE] == DT被回收。 i。您始终可以j进行{{1}}测试{。}}。