r - 在 data.table 中查找匹配项的行索引(我可以进行二分搜索吗？)

Question

这似乎是一个如此明显的问题，但我觉得我做错了。我有一个字符串向量，我只想在 data.table 中找到匹配的行索引。 data.table 由我想要匹配的列作为键，所以，我认为我应该能够使用二分搜索来找到匹配的索引。

要遵循的示例:

在这里，我有一个 data.table，以列 c2 为键和一个字符串向量，new_dat ，我想找到行索引。

library(data.table)

## Example data, a keyed data.table
dat <- data.table(c1=1:10, c2=letters[1:10], key='c2')

## Match at some indices (keyed column so should be binary search?)
new_dat <- c('d', 'j')

## This doesn't feel right -- I don't think this is taking advantage of the
## data.table ordering at all
## Tried some dumb stuff like dat[match(new_dat, c2, 0L), .I]
dat[match(new_dat, c2, 0L), ]  # only want the index of the matches
#    c1 c2
# 1:  4  d
# 2: 10  j

## So, this is the desired result,
## but this is just doing ordinary linear search (I say w/o actually looking at the code)
match(new_dat, dat[['c2']], 0L)
# [1]  4 10

埃迪德

我才意识到我可以做到，

dat[, ind := 1:.N][match(new_dat, c2, 0L), ind]

获取索引，但仍然没有解决我试图描绘的问题。

Answer 1

为了找到行索引(虽然不使用 by 参数分组)，您可以指定 which = TRUE在执行二元连接时

options(datatable.verbose = TRUE) # Setting to TRUE so we can see the binary join being triggered
dat[new_dat, which = TRUE]
# Starting bmerge ...done in 0 secs <~~ binary join triggered
# [1]  4 10

(这也可以在不创建 c1 的情况下工作，因为它根本不使用该列)

而且，如果您只想执行普通的二元连接并查看所有列中的所有值，则不需要使用 match或者创建一个索引，就做

dat[new_dat]
# Starting bmerge ...done in 0 secs <~~ binary join triggered
#    c1 c2
# 1:  4  d
# 2: 10  j

一般来说，只要你的数据是键控的(或者你使用 on 参数来加入) 和 new_dat不属于类 integer或 numeric , data.table即使 new_dat 也会自动触发二进制连接传递给 i第一个参数 没有 被包裹成 .或 J .虽然，如果 new_dat是上述类之一， data.table将尝试执行行索引。因此，您将需要使用 dat[.(new_dat), which = TRUE]或 dat[J(new_dat), which = TRUE]为了给力 bmerge而是行索引。