28

假设我有一个 data.table，我想选择变量 x 的值为 b 的所有行。这很容易

library(data.table)
DT <- data.table(x=rep(c("a","b","c"),each=3), y=c(1,3,6), v=1:9)
setkey(DT,x)               # set a 1-column key
DT["b"]

顺便说一句，似乎必须设置一个键，如果该键未设置为 x 则这不起作用。顺便说一句，如果我将两列设置为键会发生什么？

无论如何，继续前进，假设我想选择变量 x 为 a 或 b 的所有行

DT["b"|"a"]

不工作

但以下工作

DT[x=="a"|x=="b"]

但这使用矢量扫描 la 数据帧。它不使用二进制搜索。我猜对于较小的数据集，这无关紧要。

这是我应该做的还是我对 data.table 语法一无所知？

还有一件事情。是否有使用 data.table 的更复杂的布尔多变量选择（或子集）过程的示例？

我知道我总是可以恢复使用 subset() 函数，因为如果必须，data.table 将表现为 data.frame。

4

2 回答 2

16

使用%in%运营商似乎会带来 2 倍的性能提升。考虑：

library(data.table)
library(rbenchmark)
DT <- data.table(x=sample(letters, 1e6, TRUE), y=rnorm(1e6), v=runif(1e6))
setkey(DT,x)               # set a 1-column key
DT["b"]
f1 <- function() DT[x %in% letters[1:2]]
f2 <- function() DT[x=="a"| x == "b"]

> benchmark(f1(),f2())
  test replications elapsed relative user.self sys.self user.child sys.child
1 f1()          100    8.40 1.000000      7.58     0.81         NA        NA
2 f2()          100   17.11 2.036905     15.54     1.56         NA        NA

> all.equal(f1(), f2())
[1] TRUE

编辑：添加法雷尔的选项

请注意，这是在不同的计算机上，但相对颠簸是相同的。

f3 <- function() DT[c("a", "b")]

  test replications elapsed  relative user.self sys.self user.child sys.child
1 f1()          100  11.281  7.121843     9.745    1.323          0         0
2 f2()          100  23.106 14.587121    20.824    2.224          0         0
3 f3()          100   1.584  1.000000     1.042    0.541          0         0
于 2011-12-14T18:35:16.507 回答
16

这是我提出问题后才想到的一种方法，它有效，但我不知道它在基准测试中的作用。我目前不在安装了 R 的计算机上。我想我应该使用云实例。无论如何，我喜欢语法

DT[c("a","b")]
于 2011-12-14T20:10:54.563 回答