- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个 data.table
首先,我想根据某些条件获得一个子集,例如,我有
library(data.table)
dt <- data.table(rn=1:10, B=rep(1:2, 5))
dt
# rn B
# 1: 1 1
# 2: 2 2
# 3: 3 1
# 4: 4 2
# 5: 5 1
# 6: 6 2
# 7: 7 1
# 8: 8 2
# 9: 9 1
#10: 10 2`
我知道第一列的名称,但我事先不知道第二列的名称,而是存储在字符向量中: nameAsVect <- "B"
假设我想获得以下内容:
dt[rn>5 & B==2, ]
# rn B
#1: 6 2
#2: 8 2
#3: 10 2`
我以为我可以做到:
setkeyv(dt, c("rn", nameAsVect))
max.count <- max(dt[, nameAsVect, with=FALSE])
dt[J(5:max(rn), max.count), ]
# rn B
#1: 5 2
#2: 6 2
#3: 7 2
#4: 8 2
#5: 9 2
#6: 10 2
但我无法理解为什么 rn
列中的值 5、7 和 9被包含在内。我可以通过以下方式获得我想要的:dt[rn>=5 & get(nameAsVect) == max.count]
但我认为第一种方法如果可行的话,对于大表会更快。
有什么见解吗?
谢谢
最佳答案
OP 的方法有一些替代方案,不需要预先设置 key
get()
dt[rn >= 5 & get(nameAsVect) == max(get(nameAsVect))]
rn B
1: 6 2
2: 8 2
3: 10 2
eval(parse())
Matt Dowle 在 his answer to Select / assign to data.table variables which names are stored in a character vector 中建议的另一种方法:
eval(parse(text = sprintf("dt[rn >= 5 & %s == max(%s)]", nameAsVect, nameAsVect)))
rn B
1: 6 2
2: 8 2
3: 10 2
随着版本 v1.9.8(2016 年 11 月 25 日在 CRAN 上),data.table
获得了执行非等值连接的能力。
max.count <- dt[, max(get(nameAsVect))]
dt[dt[.(5, max.count), on = c("rn>=V1", paste0(nameAsVect, "==V2")), which = TRUE]]
rn B
1: 6 2
2: 8 2
3: 10 2
或者(我喜欢的方式)
mdt <- dt[, c(.(rn = 5), lapply(.SD, max)), .SDcols = nameAsVect]
dt[dt[mdt, on = c("rn>=rn", nameAsVect), which = TRUE]]
rn B
1: 6 2
2: 8 2
3: 10 2
创建基准数据:
n_row <- 1e6L
set.seed(123L)
DT <- data.table(
rn = sample(1:10, n_row, TRUE),
B = sample(1:2, n_row, TRUE)
)
运行基准测试:
library(microbenchmark)
bm <- microbenchmark(
vec_scan_hard_coded = {
dt <- copy(DT)
dt[rn >= 5L & B == 2L]
},
OP_keyed = {
dt <- copy(DT)
setkeyv(dt, c("rn", nameAsVect))
max.count <- max(dt[, nameAsVect, with=FALSE])
dt[J(5:max(rn), max.count), nomatch = 0L]
},
vec_scan_get = {
dt <- copy(DT)
dt[rn >= 5 & get(nameAsVect) == max(get(nameAsVect))]
},
vec_scan_eval_parse = {
dt <- copy(DT)
eval(parse(text = sprintf("dt[rn >= 5 & %s == max(%s)]", nameAsVect, nameAsVect)))
},
nej1 = {
dt <- copy(DT)
max.count <- dt[, max(get(nameAsVect))]
dt[dt[.(5, max.count), on = c("rn>=V1", paste0(nameAsVect, "==V2")), which = TRUE]]
},
nej1_keyed = {
dt <- copy(DT)
setkeyv(dt, c("rn", nameAsVect))
max.count <- dt[, max(get(nameAsVect))]
dt[dt[.(5, max.count), on = c("rn>=V1", paste0(nameAsVect, "==V2")), which = TRUE]]
},
nej2 = {
dt <- copy(DT)
mdt <- dt[, c(.(rn = 5), lapply(.SD, max)), .SDcols = nameAsVect]
dt[dt[mdt, on = c("rn>=rn", nameAsVect), which = TRUE]]
},
nej2_keyed = {
dt <- copy(DT)
setkeyv(dt, c("rn", nameAsVect))
mdt <- dt[, c(.(rn = 5), lapply(.SD, max)), .SDcols = nameAsVect]
dt[dt[mdt, on = c("rn>=rn", nameAsVect), which = TRUE]]
},
times = 100L
)
print(bm)
对于 1 M 行和大约 300 k 行的结果集,向量扫描方法是最快的:
Unit: milliseconds
expr min lq mean median uq max neval cld
vec_scan_hard_coded 19.03159 20.86890 42.70820 24.38040 27.57417 219.5682 100 a
OP_keyed 31.49025 34.50825 52.46168 37.74204 40.84953 194.7676 100 a
vec_scan_get 20.60384 25.75461 46.37579 27.29287 29.55892 185.5867 100 a
vec_scan_eval_parse 20.81188 23.92598 36.81940 26.69742 29.27687 183.5323 100 a
nej1 53.85361 59.32608 85.32623 62.12509 65.15083 227.1221 100 b
nej1_keyed 52.89946 58.37457 77.38969 61.03312 64.32072 221.3292 100 b
nej2 53.25590 59.69762 88.92513 61.98481 65.05738 285.2495 100 b
nej2_keyed 53.25061 58.61453 81.22925 61.14885 63.56159 274.0207 100 b
关于r - 在 data.table 中使用多个键来获得条件搜索,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48573318/
我正在为我的雇主编写脚本,以从他们自己的站点获取某些数据。出于一长串原因,我需要从网站上获取数据,如图所示。我发现,其中一些数据是通过 js 调用检索的... 回想起来,我应该选择 Mechanize
我正在使用 python 和 cryptography.io 来签署和验证消息。我可以通过以下方式获得签名的 DER 编码字节表示: cryptography_priv_key.sign(messag
关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。 想改善这个问题吗?更新问题,使其成为 on-topic对于堆栈溢出。 6年前关闭。 Improve thi
是否可以区分 ECDF?以下面得到的为例。 set.seed(1) a <- sort(rnorm(100)) b <- ecdf(a) plot(b) 我想对 b 求导以获得它的概率密度函数 (PD
我找到了如何从 navigator.mimeTypes 获取 mimetypes: function GetMimeTypes() { var message = ""; var mi
我在表单中使用单选按钮来隐藏/显示联系人表单中的成员 ID 字段。问题是,当 javascript 更改 html 中包含的隐藏 id 字段(该字段设置为“无”值)时,该字段将不再通过 post 可用
我正在做单元测试。我必须测试所有可能的if..else情况。但是在此if语句中: int32_t i32Res = snprintf(buffer, len, "The%d_String_%d", 0
我有一个 Facebook 应用程序,我想从中获取“喜欢”的总数。我想知道这是否可能。 其中 ID 是应用程序的 ID,ACCESS_TOKEN 是我尝试过的应用程序的当前访问 token : gra
如果我有多个计算实例尝试同时获取同一个 blob 的租约,则似乎经常会成功。我的印象是,一旦租约发出(并因此被客户获得),就不可能同时发出另一个租约? 我希望情况确实如此,我一直在 Azure 中使用
这是我的索引 POST /blogs/1 { "name" : "learn java", "popularity" : 100 } POST /blogs/2 { "name" : "l
我正在将 Symfony2 与 FOSUserBundle 一起使用。我需要为用户获得最高角色。 role_hierarchy: ROLE_CONTRIBUTOR: ROLE_USER
我正在向服务器发送基于 REST 的请求。我希望尽快得到答复,并希望了解可以进行的各种优化。 一种方法当然是在线程中并行发送这些请求。还有哪些其他选项可用于优化此功能? 在服务器上,可以添加哪些配置?
这可能是某种重复的问题,但我似乎找不到合适的解决方案。我正在使用 git4idea.history.GitHistoryUtils.history() 获取提交列表。如果 checkout 其中一个较
我正在做一个程序,可以输入每周的工资和那一周的总工作时间。它应该以小时工资率显示答案。但是我无法显示正确的“centavos/2 decimal places”公式并且它不想使用 float % fl
已结束。此问题正在寻求书籍、工具、软件库等的推荐。它不满足Stack Overflow guidelines 。目前不接受答案。 我们不允许提出寻求书籍、工具、软件库等推荐的问题。您可以编辑问题,以便
我已经尝试了 mContext.getMainLooper() 和 Looper.getMainLooper()。两者都返回相同的结果,但我想知道哪种方法正确? 我还从 Android 开发人员链接中
我有一个“affiliates”表,其中包含“user”和“referredBy”列。 给定一个用户,我希望获得该用户推荐的所有“n 级”玩家。对于 n=1,我们只关心您直接推荐的玩家数量: SELE
我在 PostgreSQL 9.5 数据库中有两个表: project - id - name task - id - project_id - name - updated_
请帮助我怎样才能得到我预期的结果,在此先感谢并抱歉我的英语不好。 PHP: $dog = implode(',', $data['dogbreed']); $query .= "AND `do
我有 let impulse = CGVectorMake(CGFloat(Constants.impulse), 0) 如何在不创建另一个 CGVector 的情况下得到它的负值? 我正在考虑在 C
我是一名优秀的程序员,十分优秀!