如何在r data.tables中[join on][where]

是否有一种方法可以组合data.table中的连接和子集功能？假设我有下表：

dt = data.table(itemID = c(1,1,2,2),bucketID = c(1,2,2,3),value = 1:4)

我想将每个项目的最低存储桶的值设置为零。我的想法是跑步：

ends = dt[,.(min = min(bucketID)),itemID]
dt[ends,on="itemID",bucketID==min,value:=0]

i、 e.连接表，找到两行相同的位置，然后更新值列。但这不起作用。我可以通过以下方法获得正确的结果：

ends = dt[,.(min = min(bucketID)),itemID]
dt = dt[ends,on="itemID"][bucketID==min,value:=0][,c(-4)]

---

然而，这似乎有点迂回。有没有更好的方法来组合join和where？

扩展您的join方法，您可以通过

itemID

和

min

值来加入

dt[
    ends
    , on = c("itemID", bucketID = "min")
    , value := 0
]

dt
#    itemID bucketID value
# 1:      1        1     0
# 2:      1        2     2
# 3:      2        2     0
# 4:      2        3     4

---

可能是

dt[ends，on=c（“itemID”，bucketID=“min”），value:=0]

？或者可能完全避免连接-

dt[dt[，bucketID==min（bucketID），by=itemID]$V1，value:=0]

@LateMail将是一个关于更大数据的有趣基准。从上面对

dt2@LateMail的快速测试中，加入似乎比我的建议快了一点-这是否包括
结束
步骤？我得到了不同的结果
system.time（dt2[dt2[，（min=min（bucketID）），itemID]，on=c（“itemID”，bucketID=“min”），value:=0]）
vs
system.time（dt2[dt2[，bucketID==min（bucketID），by=itemID]$V1，value:=0）
显示连接的速度似乎快了4-5倍。@Late Mail-有趣的是：我使用的是
dt3如果顺序是在开始时设置的
setorder（dt3，itemID，bucketID）
，那么我的方法会更快，但是如果是随机的，你的方法会更快