我有一个包含700万条记录的数据集。
我需要过滤数据，只显示其中的9000个。
第一个字段dmg实际上是主键，格式为1-Apr-123456。每个dmg值大约有12次出现。
另一列是O_Y，取值为0或1.最常见的是0，但在大约900次时为1。
我想返回具有相同dmg值的所有行，其中至少有一个记录的值为O_Y且值为{。
答案 0 :(得分：0)
我建议使用data.table来执行此操作（data.table中的fread在读取大数据集时非常方便，因为你说你有足够的RAM。）
我不确定以下是在data.table中执行此操作的最佳方法，但至少它应该让您入门。希望，其他人会出现并列出最惯用的数据。可行的方式。但这就是我现在能想到的：
假设您的data.table名为DT，并且有两列dmg和O_Y。使用O_Y作为DT的索引键和DT的子集O_Y == 1（data.table语法中的DT[.(1)]）。现在找到相应的dmg值。这些unique值中的dmg是您的keys.with.ones。所有这些都简洁地完成如下：
setkey(DT, O_Y)
keys.with.ones <- unique(DT[.(1), dmg][["dmg"]])
接下来，我们需要提取与dmg的这些值对应的行。为此，我们需要将DT的密钥更改为dmg并提取与上述密钥对应的行：
setkey(DT, dmg)
DT.filtered <- DT[.(keys.with.ones)]
我们完成了。 ：）
如果可能，请参阅？data.table以找出更好的方法并告诉我们。