Question

我想一次高效地对data.table进行多个过滤。有没有办法通过“开启”来实现这一点。

出于效率考虑，我需要将其放在data.table中（我必须对数据集执行数百万个过滤器和摘要）

此带有dplyr的代码应在data.table中完成。（希望使用与我尝试过的结构相同的结构，我可能会丢失一些东西）。

data("iris")

iris %>% filter(Sepal.Length %in% c(5, 6.2), 
         Species %in% c("setosa", "virginica", "versicolor"))

我尝试过

DT <- setDT(iris)

DT[.(c(5, 6.2), c("setosa", "virginica", "versicolor")),  on = c( "Sepal.Length", "Species")]

我知道我可以执行一个过滤器，然后再执行另一个过滤器，但是代码比较慢。

我得到警告：

在as.data.table.list（i）中：项目1的大小为2，但最大大小为3 （回收后剩余1件物品）

据我所知，它用“ setosa”过滤5个，用“ virginica”过滤6.2个，再用“ versicolor”过滤5个。

Answer 1

正如@thelatemail在评论中指出的那样，您只需将dplyr filter中的所有内容带到i的{{1}}部分（请记住：data.table的工作方式类似于DT [ filter_conditions，do_stuff，by_group] == data.table）。

应该是

DT[i, j, by]

还有两点需要注意：

如果要过滤在 5和6.2之间的iris[Sepal.Length %in% c(5, 6.2) & Species %chin% c("setosa", "virginica", "versicolor"), ]，可以将Sepal.Length换成%in%或%between%。请参见%inrange%和?between

使用?inrange（输入字符）来检查字符向量中的所属，它比普通%chin%快得多。参见%in%