确定data.table组成员的行索引

Question

R中的data.table包提供了以下选项:

其中:'TRUE'返回'i'匹配的'x'的整数行数.

但是,我认为无法j在使用的组建立的组内获得"x"的整数行数by.

例如,给定......

DT = data.table(x=rep(c("a","b","c"),each=3), y=c(1,3,6))

...我想知道y的每个值的DT索引.

对我来说,值是我正在使用data.table与另一个数据结构(ADS)并行,我打算根据data.table的有效计算分组执行分组计算.

例如,假设ADS是一个向量,其中DT中的每一行都有一个值:

ADS<-sample(100,nrow(DT))

作为解决方法,如果我首先向data.table添加新的序列列,我可以计算由DT $ y确定的ADS的分组均值.

DT[,seqNum:=seq_len(nrow(DT))]
DT[,mean(ADS[seqNum]),by=y]

这会以添加新列为代价提供我想要的结果.

我意识到在这个例子中我可以使用tapply得到相同的答案:

tapply(ADS,DT$y,mean)

但是,我不会获得data.tables有效分组的性能​​优势(特别是当'by'列被索引时).

也许有一些我忽略的语法???

也许这是一个简单的功能添加到data.table我应该请求它(眨眼,眨眼)???

建议的语法:可选择将'.which'设置为组索引,允许写:

DT[,mean(ADS[.which]),by=y,which=TRUE]

Answer 1

从data.table1.8.3开始可以.I在ja中使用以data.table按组获取行索引...

DT[ , list( yidx = list(.I) ) , by = y ]
#   y  yidx
#1: 1 1,4,7
#2: 3 2,5,8
#3: 6 3,6,9

Answer 2

将对键控的data.table进行排序,以便将组存储在连续的块中.在这种情况下,您可以使用.N提取分组索引信息:

DT <- data.table(x=rep(c("a","b","c"),each=3), y=c(1,3,6))
setkey(DT, y)

ii <- DT[,.N, by=y]
ii[, start := cumsum(N) - N[1] + 1][,end := cumsum(N)][, N := NULL]
#    y start end
# 1: 1     1   3
# 2: 3     4   6
# 3: 6     7   9

(就个人而言,我可能只是添加了一个像你建议的索引列seqNum.看起来更简单,我不认为它会影响性能太多,除非你真的在推动极限.)