r - 检查其他 data.table 中 data.table 值的频率

Question

 library(data.table)
 DT1 <- data.table(num = 1:6, group = c("A", "B", "B", "B", "A", "C"))
 DT2 <- data.table(group = c("A", "B", "C"))

我想加一列 popular至 DT2带值 TRUE每当 DT2$group包含在 DT1$group 中至少两次。所以，在上面的例子中， DT2应该

    group popular
 1:     A    TRUE
 2:     B    TRUE
 3:     C   FALSE

达到此目的的有效方法是什么？

更新示例: DT2实际上可能包含比 DT1 更多的组，所以这里有一个更新的例子:

 DT1 <- data.table(num = 1:6, group = c("A", "B", "B", "B", "A", "C"))
 DT2 <- data.table(group = c("A", "B", "C", "D"))

所需的输出将是

    group popular
 1:     A    TRUE
 2:     B    TRUE
 3:     C   FALSE
 4:     D   FALSE

Answer 1

我只是这样做:

## 1.9.4+
setkey(DT1, group)
DT1[J(DT2$group), list(popular = .N >= 2L), by = .EACHI]
#    group popular
# 1:     A    TRUE
# 2:     B    TRUE
# 3:     C   FALSE
# 4:     D   FALSE ## on the updated example

data.table的join语法非常强大，在join的同时，你还可以聚合/选择/更新 j中的列。 .在这里我们执行一个连接。对于 DT2$group 中的每一行, 在 DT1 中对应的匹配行上，我们计算 j -表达式 .N >= 2L ;通过指定 by = .EACHI (请检查 1.9.4 NEWS )，我们计算 j - 每次表达。

在 1.9.4 , .()已在所有 i 中作为别名引入, j和 by .所以你也可以这样做:

DT1[.(DT2$group), .(popular = .N >= 2L), by = .EACHI]

当您通过单个字符列加入时，您可以删除 .()/ J()完全语法(为方便起见)。所以这也可以写成:

DT1[DT2$group, .(popular = .N >= 2L), by = .EACHI]