r - 使用 data.table 通过多个键进行子集化的奇怪行为

Question

我在 data.table 中设置了多个键，但是当我尝试通过键的多个值选择行时，它似乎为每个可能的组合返回一行，但为不存在的行填充了 NA .

我可以在 this document 的 1c 中获得示例代码，所以它一定是我没有看到的东西。任何帮助将不胜感激。

library(data.table)

dt = data.table(colA = 1:4,
                colB = c("A","A","B","B"),
                colC = 11:14)

setkey(dt,colA,colB)

print(dt)
# colA colB colC
# 1:    1    A   11
# 2:    2    A   12
# 3:    3    B   13
# 4:    4    B   14

print(
  dt[.(2,"A")]
)
# As expected
# colA colB colC
# 1:    2    A   12

print(
  dt[.(c(2,3),"A")]
)
# colA colB colC
# 1:    2    A   12
# 2:    3    A   NA #Unexpected

print(
  dt[.(unique(colA),"A")]
)
# colA colB colC
# 1:    1    A   11
# 2:    2    A   12
# 3:    3    A   NA #Unexpected
# 4:    4    A   NA #Unexpected

Answer 1

DT[i] 将在 DT 行中查找 i 的每一行。默认情况下，i 的不匹配行显示为 NA。要删除不匹配的行，请使用 nomatch = 0:

dt[.(unique(colA),"A"), nomatch=0]

#    colA colB colC
# 1:    1    A   11
# 2:    2    A   12

nomatch 参数包含在 OP 链接的小插图中。要查找最新版本的插图，请使用 browseVignettes("data.table")。

---

作为旁注，在加入之前不再需要设置 key 。相反，可以使用 on=:

library(data.table)
dt2 = data.table(colA = 1:4,
                colB = c("A","A","B","B"),
                colC = 11:14)

dt2[.(unique(colA),"A"), on=.(colA, colB), nomatch=0]

#    colA colB colC
# 1:    1    A   11
# 2:    2    A   12

参见 Arun's answer有关为什么通常不需要键控来提高连接性能的详细信息。它说:

Usually, unless there are repetitive grouping / join operations being performed on the same keyed data.table, there should not be a noticeable difference.

我通常只在交互式连接时设置键，所以我可以跳过输入 on=。