Question

执行以下操作的最佳方法是什么：

我想说我想查找user_id <0的所有行的索引，或者甚至说找到平均销售额> 50的user_id。

我首先使用索引生成数据表，然后使用本质上另一个data.table进行过滤。有更有效的方法吗？

在这个例子中，我想要索引2，即user_id为＆lt; 0

的行的索引

x<-data.table(user_id=c(1,-1,2,3),iqlevel=c(40,50,60,70))
x[,I:=.I,][user_id<0,I,]

Answer 1

你走了：

dt[,.I[which(user_id<0)] ]

Answer 2

我还有另一个答案：

x[user_id<0, which=TRUE]

使用我的帮助工具运行一些计时：

library(data.table) # v1.9.5
# devtools::install_github("jangorecki/dtq")
# drat::addRepo("jangorecki"); install.packages("dtq")
library(dtq)

op <- data.table(user_id=c(1,-1,2,3),iqlevel=c(40,50,60,70))
sheffien <- copy(op)
jan <- copy(op)

r1 <- op[,I:=.I,][user_id<0,I,]
r2 <- sheffien[,.I[which(user_id<0)] ]
r3 <- jan[user_id<0, which=TRUE]

identical(r1,r2)
# [1] TRUE
identical(r2,r3)
# [1] TRUE

dtcalls <- dtl(print=TRUE) # collect logs
print(dtcalls)
#    seq dtq_id dtq_seq      src                           query           timestamp         env     elapsed in_rows out_rows
# 1:   1      1       1       op               [j = `:=`(I, .I)] 2015-08-07 14:01:10 R_GlobalEnv 0.001718847       4        4
# 2:   2      1       2       op        [i = user_id < 0, j = I] 2015-08-07 14:01:10 R_GlobalEnv 0.008719112       4       NA
# 3:   3      2       1 sheffien    [j = .I[which(user_id < 0)]] 2015-08-07 14:01:10 R_GlobalEnv 0.000662418       4       NA
# 4:   4      3       1      jan [i = user_id < 0, which = TRUE] 2015-08-07 14:01:10 R_GlobalEnv 0.000281067       4       NA

dtcalls[,.(query=paste(query, collapse=""), sec=sum(elapsed)),.(src)]
#         src                                     query         sec
# 1:       op [j = `:=`(I, .I)][i = user_id < 0, j = I] 0.010437959
# 2: sheffien              [j = .I[which(user_id < 0)]] 0.000662418
# 3:      jan           [i = user_id < 0, which = TRUE] 0.000281067

请记住，这只是在4行data.table上运行，因此请务必验证数据的速度。

data.table操作链

2 个答案: