r - 在 R 中过滤数据（复杂）

Question

我有一个包含 700 万条记录的数据集。

我需要过滤数据以仅显示其中大约 9000 个。

第一个字段dmg实际上是主键，格式为 1-Apr-123456。每个dmg值大约出现 12 次。

另一列是O_Y，取值为 0 或 1。它通常为 0，但在大约 900 次情况下为 1。

我想返回所有具有相同dmg值的行，其中至少有一个记录具有并且O_Y值为 1。

Answer 1

我建议使用data.table这样做（fread在 data.table 中读取大型数据集也非常方便，因为你说你有足够的 RAM）。

我不确定以下是在 data.table 中执行此操作的最佳方法，但至少它应该让您入门。希望其他人会出现并为此列出最惯用的 data.table 方式。但这是我现在能想到的：

假设您的 data.table 被调用DT并且有两列dmg和O_Y. 用作（在data.table语法中）O_Y的索引键DT和子集。现在找到相应的值。这些值中的 是您的. 所有这一切都简洁地完成如下：DTO_Y == 1DT[.(1)]dmguniquedmgkeys.with.ones

setkey(DT, O_Y)
keys.with.ones <- unique(DT[.(1), dmg][["dmg"]])

接下来，我们需要提取与 的这些值对应的行dmg。为此，我们需要更改 to 的键DT并dmg提取与上述键对应的行：

setkey(DT, dmg)
DT.filtered <- DT[.(keys.with.ones)]

我们完成了。:)

如果可能，请参考 ?data.table 找出更好的方法并告诉我们。