R 基于向量的数据表多元行子集划分

我正在寻找一种优雅的方法，基于可变长度向量动态地子集一个

data.table

，分别指示要搜索的列和要匹配的值

为了说明这个问题，我有一个

data.table

，如下所示：

dt <- data.table(a = c(1, 3, 2, 5, 4, 1, 3), b = c(2, 3, 5, 1, 6, 2, 5), c = c(4, 2, 5, 2, 5, 2, 1))
dt

现在我有一个列名的可变长度向量

cols

，它是

dt

中列名的任意子集，例如：

cols <- c("b", "c")

我用一个简单的for循环成功地做到了这一点，它通过每次迭代替换

dt

：

for (i in 1:length(cols)) {
  dt <- dt[eval(parse(text = cols[i])) == vals[i], ]
}
dt

---

我想知道的是，是否有一个不那么笨重的单行命令，也可以节省大量的运行时间，特别是如果我们将此代码应用于非常大的

数据表

，以及

cols

和

VAL分配的大量子集参数
，“大量子集参数”的输入/输出示例是什么？这里不容易发布可复制的示例。但假设dt是一个大数据表，有超过500k行、100列和50个元素的cols圆锥曲线。在这种情况下，我发布的for循环将经过50次迭代，在大型数据集上反复应用subset命令。在这种情况下，一次只对dt进行一次子集设置的单行命令将节省大量运行时间。这就是我想知道的原因。对于“大量的子集参数”，输入/输出的示例是什么？在这里发布一个可复制的示例并不容易。但假设dt是一个大数据表，有超过500k行、100列和50个元素的cols圆锥曲线。在这种情况下，我发布的for循环将经过50次迭代，在大型数据集上反复应用subset命令。在这种情况下，一次只对dt进行一次子集设置的单行命令将节省大量运行时间。这就是为什么我想知道。还有
dt[setNames（as.list（vals），cols），on=.NATURAL]
还有
dt[setNames（as.list（vals），cols），on=.NATURAL]
setkeyv(dt, cols)
dt[as.list(vals)]
#    a b c
# 1: 4 6 5

for (i in 1:length(cols)) {
  dt <- dt[eval(parse(text = cols[i])) == vals[i], ]
}
dt

   a b c
1: 4 6 5

setkeyv(dt, cols)
dt[as.list(vals)]
#    a b c
# 1: 4 6 5