r - 如何根据外部列向量过滤 R 数据表

Question

我有兴趣过滤 R 数据表以选择相应的行元素
到数字列的列表。

例如，假设我有:

DT<- data.table(a=c(1,2,3),b=c(4,5,6),c=c(7,8,9))

这使，

   a b c
1: 1 4 7
2: 2 5 8
3: 3 6 9

现在，我有一个名为 select 的外部向量，其中包含我想要选择的与行相对应的列。

select <- c(2,3,1)

我希望它返回一个新的数据表，该数据表的每一行值都对应于所选列。

DTnew 
1: 4
2: 8
3: 3

如果我尝试类似 DT[,.SD[select]] ，它返回一个新的数据表，其中包含与选择列表对应的整行。

> DT[,.SD[select]]
   a b c
1: 2 5 8
2: 3 6 9
3: 1 4 7

我怎样才能完成这个任务？

编辑:我没有说清楚，但结果需要保留数据表行的原始顺序，因为它是基于时间序列的对象(我省略了 ts 索引以使问题更简单)。

更新 2:一些已发布解决方案的计时结果(使用数据表方法在系统时间上似乎要快得多，不确定如何得出用户和耗时/开销的结果，但我也想在整个过程中与数据表保持一致。猜猜我还应该问一下，当速度优先时，DT 用户是否经常来回进行基于矩阵的计算)。

library(data.table)
library(microbenchmark)

set.seed(123)

DT <- data.table(matrix(rnorm(10e3*10e3),nrow=10e3,ncol=10e3))
select<-sample(10e3,replace=FALSE)

op <- microbenchmark(
sol1 <- function(DT,select) DT[, V1 := .SD[[select]], by = select]$V1,

sol2 <- function(DT,select) {
x <- as.matrix(DT)
x[cbind(1:nrow(x), select)]
},

times=1000L)

Warning message:
In microbenchmark(sol1 <- function(DT, select) DT[, `:=`(V1, .SD[[select]]),  :
  Could not measure a positive execution time for 1019 evaluations.


> identical(sol1(DT,select),sol2(DT,select))
[1] TRUE
> op
Unit: nanoseconds
                                                                                    expr min lq   mean median uq   max neval cld
              sol1 <- function(DT, select) DT[, `:=`(V1, .SD[[select]]), by = select]$V1   0  0 25.136      0  1  9837  1000   a
 sol2 <- function(DT, select) {     x <- as.matrix(DT)     x[cbind(1:nrow(x), select)] }   0  0 52.477      0  1 39345  1000   a

方法二:

> system.time(replicate(10,sol1(DT,select)))
   user  system elapsed 
  64.07    0.25   64.33 
> system.time(replicate(10,sol2(DT,select)))
   user  system elapsed 
   4.97    2.25    7.22 

Answer 1

您可以使用矩阵索引对矩阵执行此操作:

x <- as.matrix(DT)
x[cbind(1:nrow(x), select)]
## [1] 4 8 3

如果您从数据框开始，您还可以使用矩阵对其进行索引:

x <- data.frame(a=c(1,2,3),b=c(4,5,6),c=c(7,8,9)) # or as.data.frame(DT)
x[cbind(1:nrow(x), select)]
## [1] 4 8 3