r - 我可以使用 R data.table 连接功能来选择行并执行一些操作吗？

Question

我不确定如何获得由两个 data.tables 连接产生的行索引。

为了设置一个简化的例子，假设 dt 是一个 data.table，列 'a' 是字母表中的一个字母，'b' 是一些其他信息。

我想添加一列“c”并根据“a”列将其设置为“元音”或“辅音”。我有另一个数据表 dtv 作为元音表。我可以使用 data.table 的连接功能来有效地执行此操作吗？

require(data.table)
dt <- data.table ( a = sample(letters, 25, replace = T), 
                   b = sample(50:100,   25, replace = F))
dtv <- data.table( vowel  = c( 'a','e','i','o','u') )
setkey(dt,a)

下一行代码给了我一个带有元音的行的 data.table

dt[dtv, nomatch=0]  

但是如何获取行索引，以便将行标记为元音或辅音？

dt[, c := 'consonant']
dt[{ `a` found in vowel list }, c := 'vowel']  
# I want to do this where column 'a' is a vowel

Answer 1

自 V 1.9.4 data.table优化为在 %in% 上使用二进制连接如果数据集已经被键入。所以@Richards 的回答应该与最新的 data.table 具有相同的性能版本(顺便说一句，%in% 在使用时有一个错误 datatable.auto.index = TRUE ，所以如果你要使用它，请确保你已经安装了 data.table v 1.9.6+)

下面是data.table的插图使用 %in% 时使用二元连接功能

require(data.table)
set.seed(123)
dt <- data.table ( a = sample(letters, 25, replace = T), 
                   b = sample(50:100,   25, replace = F))
dtv <- data.table( vowel  = c( 'a','e','i','o','u') )
setkey(dt, a)

options(datatable.verbose = TRUE)

dt[a %in% dtv$vowel]
# Starting bmerge ...done in 0 secs <~~~ binary join was triggered
#    a  b
# 1: i 87
# 2: o 84
# 3: o 62
# 4: u 77

无论哪种方式，您都快到了，您可以轻松修改 c加入时

dt[, c := 'consonant']
dt[dtv, c := 'vowel']  

或者，如果您想避免加入来自 dtv 的不必要的列(如果它们存在)您只能加入 dtv 中的第一列

dt[dtv$vowel, c := 'consonant']

请注意，我没有使用 .()或 J() . data.table在 i 的情况下，默认情况下将执行二进制连接而不是行索引第 th 个元素的类型不是 integer或 numeric .例如，如果您想对列 b 执行二进制连接，这很重要。 (类型为 integer )。相比

setkey(dt, b)
dt[80:85]
#     a  b <~~~ binary join wan't triggered, instead an attempt to subset by rows 80:85 was made
# 1: NA NA
# 2: NA NA
# 3: NA NA
# 4: NA NA
# 5: NA NA
# 6: NA NA

和

dt[.(80:85)] # or dt[J(80:85)]
# Starting bmerge ...done in 0 secs <~~~ binary join was triggered
#     a  b
# 1:  x 80
# 2:  x 81
# 3: NA 82
# 4: NA 83
# 5:  o 84
# 6: NA 85

这两种方法的另一个区别是 %in%不会返回不匹配的实例，比较

setkey(dt, a)
dt[a %in% dtv$vowel]
# Starting bmerge ...done in 0 secs 
#    a  b
# 1: i 87
# 2: o 84
# 3: o 62
# 4: u 77

和

dt[dtv$vowel]
# Starting bmerge ...done in 0 secs
#    a  b
# 1: a NA <~~~ unmatched values returned
# 2: e NA <~~~ unmatched values returned
# 3: i 87
# 4: o 84
# 5: o 62
# 6: u 77

对于这种特定情况，这无关紧要，因为 :=不会修改不匹配的值，但您可以使用 nomatch = 0L在其他情况下

dt[dtv$vowel, nomatch = 0L]
# Starting bmerge ...done in 0 secs
#    a  b
# 1: i 87
# 2: o 84
# 3: o 62
# 4: u 77

不要忘记设置 options(datatable.verbose = FALSE)如果你不想要 data.table要这么冗长。