Question

检查data.table中是否存在值的最快方法是什么？假设

dt是n列的data.table，其中k列是键
keys是一个列表，一个值，一个data.table，或者可以使用的任何东西 i

[.data.table

我正在做

NROW(dt[keys,nomatch=0])!=0

有什么更快的吗？

实施例

require(data.table)
iniDate = as.Date("2000-01-01")
theData = data.table(a = LETTERS, d = seq(from=iniDate ,to= iniDate + length(LETTERS)*3000-1,by="day"))
theKeys = data.table(a = c("J","M","T"), d = as.Date(c("2005-01-20","2005-05-20","2013-01-12")))
setkey(theData,a,d)
NROW(theData[theKeys],nomatch=0)!=0

Answer 1

简短回答：除了nomatch=0之外，我认为mult="first"会有助于加快速度。

答案很长：假设您要检查data.table的键列中是否存在值（或超过1个值），这似乎很多快点。这里唯一的假设是data.table只有一个键列（因为这对我来说很模糊）。

my.values = c(1:100, 1000)
require(data.table)
set.seed(45)
DT <- as.data.table(matrix(sample(2e4, 1e6*100, replace=TRUE), ncol=100))
setkey(DT, "V1")
# the data.table way
system.time(all(my.values %in% .subset2(DT[J(my.values), mult="first", nomatch=0], "V1")))
   user  system elapsed 
  0.006   0.000   0.006 

# vector (scan) approach
system.time(all(my.values %in% .subset2(DT, "V1")))
   user  system elapsed 
  0.037   0.000   0.038

如果要检查子集中是否存在至少1个值，则可以将all更改为any。两者之间的唯一区别是您首先subset使用data.table的方法（利用key和mult参数）。正如你所看到的那样它的速度非常快（并且也能很好地扩展）。然后从子集中检索关键列（称之为the_subset），

.subset2(the_subset, "V1") (or) the_subset$V1 (or) the_subset[["V1"]]

但是，the_subset[, V1]会慢一些。

当然，同样的想法也可以扩展到许多专栏，但我必须确切地知道你想要做什么。

Answer 2

基础R习语怎么样：

any(my.value %in% my.vector)

这不是data.table特定的习惯用法，但我相信它非常有效。

data.table中的快速EXISTS

2 个答案: