如何在R中的data.table中按两个条件选择行

Question

假设我有一个data.table,我想选择变量x的值为b的所有行.这很容易

library(data.table)
DT <- data.table(x=rep(c("a","b","c"),each=3), y=c(1,3,6), v=1:9)
setkey(DT,x)               # set a 1-column key
DT["b"]

顺便说一句,似乎必须设置一个键,如果键没有设置为x,那么这不起作用.顺便说一句,如果我将两列设为键,会发生什么？

无论如何,继续前进,让我说我想选择变量x是a或b的所有行

DT["b"|"a"]

不起作用

但以下工作

DT[x=="a"|x=="b"]

但是,它使用矢量扫描数据帧.它不使用二进制搜索.我想对于较小的数据集来说无关紧要.

这是我应该做的还是我对data.table语法一无所知？

还有一件事.是否有任何更复杂的布尔多变量选择(或子集)过程的例子与data.table？

我知道我总是可以恢复使用subset()函数,因为如果必须,data.table将表现为data.frame.

Answer 1

在我提出这个问题之后,这种方式只能在我脑海中浮现,但是我不知道它在基准测试中的作用.我目前不在安装了R的计算机上.我想我应该使用云实例.无论如何,我喜欢语法

DT[c("a","b")]

Answer 2

使用%in%运算符似乎给出了2个性能提升因素.考虑:

library(data.table)
library(rbenchmark)
DT <- data.table(x=sample(letters, 1e6, TRUE), y=rnorm(1e6), v=runif(1e6))
setkey(DT,x)               # set a 1-column key
DT["b"]
f1 <- function() DT[x %in% letters[1:2]]
f2 <- function() DT[x=="a"| x == "b"]

> benchmark(f1(),f2())
  test replications elapsed relative user.self sys.self user.child sys.child
1 f1()          100    8.40 1.000000      7.58     0.81         NA        NA
2 f2()          100   17.11 2.036905     15.54     1.56         NA        NA

> all.equal(f1(), f2())
[1] TRUE

编辑:添加Farrel的选项

请注意,这是在不同的计算机上,但相对的颠簸是相同的.

f3 <- function() DT[c("a", "b")]

  test replications elapsed  relative user.self sys.self user.child sys.child
1 f1()          100  11.281  7.121843     9.745    1.323          0         0
2 f2()          100  23.106 14.587121    20.824    2.224          0         0
3 f3()          100   1.584  1.000000     1.042    0.541          0         0