Question

我正在使用data.table进行快速子集化。但是，如果我的子集不是基于等于值但小于等值的键，则需要花费很多时间。例如：

DT["2"]

很快，而

DT[key<2]

很慢。

我假设第一个是二分法搜索，第二个是矢量扫描，但是如何以快速方式完成第二个？

感谢您的回答。

Answer 1

通常，当您在关键列上进行子集以利用基于快速二进制搜索的子集时，您可以这样做：

DT[J(values)] # assuming subset here is on the first key column.
# (or)
DT[.(values)] # idem

.和J这两者完全相同。当您的键列属于character类型时，由于您还必须引用字符值，data.table也允许在没有J或.的情况下进行加入，方便。也就是说，

DT["a"]       # subset on the first key column if one exists
# (or)
DT[J("a")]    # idem
# (or)
DT[.("a")]    # idem

此功能仅适用于角色向量。这是可能的，因为您可以通过任何其他方式使用data.table中的字符向量对i进行子集。因此，很容易判断您是否想要加入。但是，如果您提供DT[2]，2此处为numeric，则data.table无法确定您是否期望加入或正常行子集。这就是为什么它只适用于角色。

现在，DT[J(.)]会很快，因为当设置密钥时，它已经排序，因此我们可以使用快速二进制搜索进行子集化。但是，案例DT[x < .]使用普通的矢量扫描方法。也就是说，它会检查值x的{{1}}的所有值，即使这些值按a排序也是如此。因此，第二个将比第一个慢。

在范围上启用基于二进制搜索的子集的功能请求。你看了here。一旦实施，这些事情将自动变得更快。我们还没有完成它。

HTH。

PS：请注意，您要将x - 这是基于字符键列的二进制搜索子集与DT["2"]进行比较，其中DT[key < 2]是数字。他们不一样。等价物（如上所述）是key。

另请注意，它们不是等效的操作。 DT[J(2)]仅查找与DT中的DT[J(2)]匹配的关键列，其中2查找DT[key < 2]范围内的所有值。

R data.table子集与比较

1 个答案: