Question

如果我想选择data.table中使用二进制搜索在键变量中不包含特定值的所有行，会发生什么？顺便问一下，我想做什么的正确行话是什么？它是“nojoin”吗？这是“否定选择”吗？

DT = data.table(x=rep(c("a","b","c"),each=3), y=c(1,3,6), v=1:9)
setkey(DT,x)

让我们对x ==“a”但使用二进制搜索

的所有行做出正选择

DT["a"]

那很美，但我希望与此相反。我想要所有不是“a”的行，换句话说x！=“a”

DT[x!="a"]

这是矢量扫描。以上线路工作但使用矢量扫描。我想用二进制文件。我期待以下工作，但唉......

DT[!"a"]
DT[-"a"]

以上两种方法都不起作用，尝试使用nomatch无处可玩。

Answer 1

这个成语是这样的：

DT[-DT["a", which=TRUE]]

   x y v
1: b 1 4
2: b 3 5
3: b 6 6
4: c 1 7
5: c 3 8
6: c 6 9

灵感来自：

邮件列表发布Return Select/Join that does NOT match?
上一个问题non-joins with data.tables
Matthew Dowle的answer至Porting set operations from R's data frames to data tables: How to identify duplicated rows?

<强>更新即可。 v1.8.3中的新增内容是非连接语法。 Farrel的第一个期望（!而不是-）已经实施：

DT[-DT["a",which=TRUE,nomatch=0],...]   # old idiom
DT[!"a",...]                            # same result, now preferred.

有关更多详细信息和示例，请参阅NEWS项目。

Answer 2

Andrie的答案很棒，而且我可能会使用它。有趣的是，以下构造似乎（只是稍微）更快，特别是当data.tables的大小增加时。

DT[J(x = unique(DT)[x!="a"][,x])]

##-------------------------------- Timings -----------------------------------##

library(data.table)
library(rbenchmark)

DT = data.table(x=rep(c("a","b","c"),each=45e5), y=c(1,3,6), v=1:9, key="x")
Josh <- function() DT[J(x = unique(DT)[x!="a"][,x])]
Andrie <- function() DT[-DT["a", which=TRUE]]

## Compare results
identical(Josh(), setkey(Andrie(), "x"))  
# [1] TRUE

## Compare timings
benchmark(replications = 10, order="relative", Josh=Josh(), Andrie=Andrie())
    test replications elapsed relative user.self sys.self user.child sys.child
1   Josh           10   17.50    1.000     14.78      3.6         NA        NA
2 Andrie           10   18.75    1.071     16.52      3.2         NA        NA

如果DT[,x]可以返回 data.table 而不是向量，我会特别想要使用它。然后，构造可以简化为DT[unique(DT[,x])[x!="a"]]。此外，即使密钥中有多个列，它也可以工作，但目前它没有。

如何在data.table中进行否定/无匹配/反向搜索？

2 个答案: