R Don'；t数据表行

我正在学习

data.table

，所以我对它的语法非常陌生。我尝试将包用作散列查找，它工作得很好，但由于我对语法的无知，它会对行进行重新排序。我希望它不要在不牺牲速度的情况下对行进行重新排序（即，实现这一点的有效方法）。以下是一个示例和所需的输出：

library(data.table)

(key <- setNames(aggregate(mpg~as.character(carb), mtcars, mean), c("x", "y")))
set.seed(10)
terms <- data.frame(x = c(9, 12, sample(key[, 1], 6, TRUE)), stringsAsFactors = FALSE)

## > terms$x
## [1] "9"  "12" "4"  "2"  "3"  "6"  "1"  "2"

setDT(key)
setDT(terms)
setkey(key, x) 
setkey(terms, x)
terms[key, out := i.y]
terms

我想：

##     x      out
## 1:  9       NA
## 2: 12       NA
## 3:  4 15.79000
## 4:  2 22.40000
## 5:  3 16.30000
## 6:  6 19.70000
## 7:  1 25.34286
## 8:  2 22.40000

在

data.table

中，联接

x[i]

必须为

x

设置一个键，但不一定要为

i

设置键

注意：但是如果您没有为

i

设置键

• 1） 确保

  i

  的列与

  x

  的键列顺序相同（如有必要，请使用

  setcolorder

  重新排序），因为它不会通过检查名称（尚未）进行连接

• 2） 它可能会慢一点（但在我的基准测试中不会慢很多）

因此，问题是，如果您只想进行

x[i]

联接而不进行任何额外的预处理，那么

术语

必须取代

i

，而不设置任何键，以便按照您需要的顺序获得结果

考虑到这一点，我们可以用两种方法（我可以想到）

---

第一种方法：

这个不需要额外的预处理。也就是说，如上所述，我们将

key

视为

x

，这意味着必须设置它的键。我们不为

术语设置键

setkey(key, x)

terms
的第一列也被命名为
x
，这就是我们想要加入的列。因此，这里不需要重新排序

ans = key[terms]
> ans
#     x        y
# 1:  9       NA
# 2: 12       NA
# 3:  4 15.79000
# 4:  2 22.40000
# 5:  3 16.30000
# 6:  6 19.70000
# 7:  1 25.34286
# 8:  2 22.40000

不同之处在于，这是一个全新的data.table，而不仅仅是通过引用分配列


第二种方法：

我们做了一点额外的预处理-通过引用将额外的列
N
添加到
terms
，该列从
1:nrow（terms）
运行。这基本上可以帮助我们在连接之后按照所需的顺序重新排列数据。这里，我们将考虑<代码>术语<代码> >代码> x<代码>
terms[, N := 1:.N]
setkey(terms, x)

setkey(key, x)
setkey(terms[key, out := i.y], N)
> terms
#     x N      out
# 1:  9 1       NA
# 2: 12 2       NA
# 3:  4 3 15.79000
# 4:  2 4 22.40000
# 5:  3 5 16.30000
# 6:  6 6 19.70000
# 7:  1 7 25.34286
# 8:  2 8 22.40000

key
是否将“x”列设置为key并不重要。。但是，如果未设置键，请再次确保
x
是
key
中的第一列。。在本例中，我将把
key
的key列设置为
x

terms[, N := 1:.N]
setkey(terms, x)

setkey(key, x)
setkey(terms[key, out := i.y], N)
> terms
#     x N      out
# 1:  9 1       NA
# 2: 12 2       NA
# 3:  4 3 15.79000
# 4:  2 4 22.40000
# 5:  3 5 16.30000
# 6:  6 6 19.70000
# 7:  1 7 25.34286
# 8:  2 8 22.40000

就个人而言，由于您需要未排序的
术语
，因此我在这里使用第一种方法。但是，可以根据您的实际数据维度进行基准测试，并选择最适合您的需求。
我使用了第一个w/o benching b/c，它很简单，在1000万个术语中，使用26个关键值时<1秒。谢谢你的帮助。