r - 不使用 head(key(DT),m) 对 data.table 进行子集化，使用二进制搜索而不是矢量扫描

Question

如果我指定 n 列作为 data.table 的键，我知道只要我加入 head，我就可以加入比该键中定义的更少的列。的 key(DT) .例如，对于 n=2 :

X = data.table(A=rep(1:5, each=2), B=rep(1:2, each=5), key=c('A','B'))
X
    A B
 1: 1 1
 2: 1 1
 3: 2 1
 4: 2 1
 5: 3 1
 6: 3 2
 7: 4 2
 8: 4 2
 9: 5 2
10: 5 2

X[J(3)]
   A B
1: 3 1
2: 3 2

在那里我只加入了 DT 的 2 列键的第一列.我知道我可以像这样加入键的两列:

X[J(3,1)]
   A B
1: 3 1

但是如何仅使用键的第二列列(例如 B==2 )进行子集化，但仍然使用二分搜索而不是矢量扫描？我知道这是重复的:

Subsetting data.table by 2nd column only of a 2 column key, using binary search not vector scan

所以我想把这个问题概括为 n .我的数据集有大约一百万行，上面链接的 dup 问题中提供的解决方案似乎不是最佳的。

Answer 1

这是一个简单的函数，它将提取正确的唯一值并返回一个数据表以用作键。

 X <- data.table(A=rep(1:5, each=4), B=rep(1:4, each=5), 
                  C = letters[1:20], key=c('A','B','C'))
 make.key <- function(ddd, what){
  # the names of the key columns
  zzz <- key(ddd)
  # the key columns you wish to keep all unique values
  whichUnique <- setdiff(zzz, names(what))
  ## unique data.table (when keyed); .. means "look up one level"
  ud <-  lapply([, ..whichUnique], unique)
  ## append the `what` columns and  a Cross Join of the new
  ## key columns
  do.call(CJ, c(ud,what)[zzz])
}   

X[make.key(X, what = list(C = c('a','b'))),nomatch=0]
## A B C
## 1: 1 1 a
## 2: 1 1 b

不过，我不确定这会比对大型 data.table 进行几次矢量扫描更快。