r - 将每组 data.table 列中的值与向量中的值匹配

Question

我最近开始使用 data.table 包来识别表格列中符合某些条件的值。尽管我设法完成了大部分工作，但现在我遇到了这个问题:

我有一个数据表table1，其中第一列(labels)是组ID，第二列o.cell是一个整数。关键在“标签”上

我有另一个数据表 table2，其中包含一个列:“cell”。

现在，我试图为表 1 中的每个组查找表 2 的“单元格”列中的“o.cell”列中的值。 table1 有大约 400K 行，分为 800 多个大小不等的组。 table2 有大约 1.3M 行的唯一单元格编号。可以在多个组中找到“o.cell”table1 列中的单元格编号。

这似乎是一项简单的任务，但我找不到正确的方法来完成它。根据我构建调用的方式，它要么给我一个与我预期不同的结果，要么它永远不会完成，我必须结束 R 任务，因为它被卡住了(我的机器有 24 GB RAM)。

这是我尝试过的调用“变体”之一的示例:

overlap <- table1[, list(over.cell =
              o.cell[!is.na(o.cell) & o.cell %in% table2$cell]),
              by = labels]

我很确定这是为此任务使用数据表的错误方法，除此之外我得不到我想要的结果。

我将不胜感激任何帮助。谢谢。

Answer 1

听起来这是你的设置:

dt1 = data.table(labels = c('a','b'), o.cell = 1:10)
dt2 = data.table(cell = 4:7)

你只是想做一个简单的合并:

setkey(dt1, o.cell)
dt1[dt2]
#   o.cell labels
#1:      4      b
#2:      5      a
#3:      6      b
#4:      7      a