在数据表中应用函数以有条件地删除行

时间:2015-11-17 16:41:42

标签: r data.table

我有一个数据表dt

           V1                      V2             V3   PubMedCounts
1: 0000100005                100-00-5     CAS Number              6
2: 0000100005 1-Chloro-4-nitrobenzene DescriptorName             12
3: 0000100005                    aahs DescriptorName            111
4: 0000100005                    PNCB        Synonym             35

另外,我有一个数据表ew,其中只有一列包含单词,例如:

          V1
1:       aah
2:     aahed
3:    aahing
4:      aahs
5:  aardvark

来自dt数据表,我需要删除V2大小小于或等于5或存在于ew数据表中的所有行。

示例,从dt表中,我将删除第3行和第4行。

我想使用apply函数使其高效,因为它非常大的数据集

1 个答案:

答案 0 :(得分:2)

如果我理解你,我会这样做:

dt[!ew, on = c(V2 = "V1")][nchar(V2) > 5]

给出:

       V1                      V2             V3 PubMedCounts
1: 100005                100-00-5     CAS_Number            6
2: 100005 1-Chloro-4-nitrobenzene DescriptorName           12

以其他顺序应用条件可能会更快:

dt[nchar(V2) > 5][!ew, on = c(V2 = "V1")]

这样可以防止匹配dt中将会在下一步中删除的内容。

第三种可能性是使用:

dt[nchar(V2) > 5 & !( V2 %chin% ew$V1 )]

使用过的数据:

dt <- structure(list(V1 = c(100005L, 100005L, 100005L, 100005L), V2 = c("100-00-5", 
"1-Chloro-4-nitrobenzene", "aahs", "PNCB"), V3 = c("CAS_Number", 
"DescriptorName", "DescriptorName", "Synonym"), PubMedCounts = c(6L, 
12L, 111L, 35L)), .Names = c("V1", "V2", "V3", "PubMedCounts"
), row.names = c(NA, -4L), class = c("data.table", "data.frame"))

ew <- structure(list(V1 = c("aah", "aahed", "aahing", "aahs", "aardvark")), .Names = "V1", row.names = c(NA, -5L), class = c("data.table", "data.frame"))