我有一个data.table
dt <- data.table(c(1,2,3,4),c("chr1","chr1","chr2","chr3"),c(12,12,13,14))
这只是一个示例数据框架，但实际上我有数百万行有三列。 我需要查找是否存在一组值。 例如，我想检查＆＃34; chr1＆＃34;在第2栏和＆＃34; 2＆＃34;列中是否存在？
我正在使用"chr1" %in% dt$V2，但不知道如何结合两个值标准，并使其快速达到数百万行。
答案 0 :(得分：4)
在data.table中，我们可以同时使用a）传统的矢量扫描方法（base-R和dplyr的滤波器做什么），以及b）使用二进制搜索，它比（a）中。
require(data.table)
setkey(dt, V1, V2)
dt[J(2, "chr1"), nomatch=0L] # by default nomatch=NA
nomatch=NA返回NA，nomatch=0L仅返回匹配的行。
按data.table设置按这些列排序的键（并设置属性sorted）。这有助于对数据使用binary search，以O(log n)时间复杂度（平均）搜索查询，而不是具有O（n）复杂度的向量扫描方法（因为它必须扫描）通过所有行）。它还需要一个逻辑向量，其大小与数据中的行数相同。
@akrun和@rrs所展示的是分别使用data.table和dplyr的矢量扫描方法的示例。 @eddi使用data.table向您展示（在此答案中重复）二进制搜索方法。
如果您想多次进行子集化，这将非常有用。
在data.table的下一个版本中，我们试图通过常规矢量扫描语法在内部实现此加速。马特实施了它，并对其进行了测试。如果出现这种情况，您可以使用通常的矢量扫描语法，在内部，data.table将使用二进制搜索方法。这是一个很棒的功能，我认为你同意;）。