`data.table`基于'agrep'选择子集的方法?
我正在尝试从`data.table`基于'agrep'选择子集的方法?,r,data.table,R,Data.table,我正在尝试从data.frame转换为data.table,需要一些关于我试图对单个列执行的一些逻辑索引的建议。这是我的一张桌子: places <- data.table(name=c('Brisbane', 'Sydney', 'Auckland', 'New Zealand', 'Australia'), search=c('Brisbane AU Australia',
data.frame
转换为data.table
,需要一些关于我试图对单个列执行的一些逻辑索引的建议。这是我的一张桌子:
places <- data.table(name=c('Brisbane', 'Sydney', 'Auckland',
'New Zealand', 'Australia'),
search=c('Brisbane AU Australia',
'Sydney AU Australia',
'Auckland NZ New Zealand',
'NZ New Zealand',
'AU Australia'))
# name search
# 1: Brisbane Brisbane AU Australia
# 2: Sydney Sydney AU Australia
# 3: Auckland Auckland NZ New Zealand
# 4: New Zealand NZ New Zealand
# 5: Australia AU Australia
setkey(places, search)
我有一个问题:
是否有更多的数据表
-方法来执行此操作?在我看来,每次存储点击次数
似乎都是一种data.frame
方法
这需要注意,我最终希望使用agrep
,而不是grep
/%like%
:
words <- c('AU', 'Bisbane') # note the mis-spelling
hits <- places
for (w in words) {
hits <- hits[agrep(w, search)]
}
words您可以将agrep
函数矢量化,以避免循环
请注意,agrep2
的结果是一个列表,因此调用unlist
words <- c("Bisbane", "NZ")
agrep2 <- Vectorize(agrep, vectorize.args = "pattern")
places[unlist(agrep2(words, search))]
## name search
## 1: Brisbane Brisbane AU Australia
## 2: Auckland Auckland NZ New Zealand
## 3: New Zealand NZ New Zealand
wordsmathematic.coffee,正如我在评论中提到的,您不能通过将一列(或多列)设置为关键列来“部分匹配”。也就是说,在data.table
places中,您已经将“search”列设置为键列。在这里,您可以通过使用数据快速子集。表的
二进制搜索(与向量扫描子集相反),方法如下:
places["Brisbane AU Australia"] # binary search when "search" column is key'd
# is faster compared to:
places[search == "Brisbane AU Australia"] # vector scan
但在您的情况下,您需要:
places["AU"]
为所有行指定一个键列中部分匹配“AU”。这是不可能的(当然这是一个非常有趣的特性)
如果您正在搜索的子字符串本身不包含不匹配项,则可以尝试将搜索字符串拆分为单独的列。也就是说,如果将列search
拆分为包含Brisbane
、AU
和Australia
的三列,则可以将data.table
的键设置为包含AU
和Brisbane
的列。然后,您可以查询您提到的方式:
# fast subset, AU and Brisbane are entries of the two key columns
places[J("AU", "Brisbane")]
不确定这是否是for循环的预期用途。你为什么要覆盖点击率?这不就是最后一个子集吗?我不认为有什么可以利用数据的力量。表从这个问题,至少据我所知。我确实想要循环,用解释更新问题。数学。咖啡,我明白你现在的意思了。但是,它们是两个键(用于两个不同的列)。您的问题是,子集设置操作取决于agrep
。这意味着,您不能直接使用key column的值进行子集,这会呈现数据。table
没有那么有用,iiuc(除非您可以使用key column条目的部分匹配进行子集,这至少到目前为止是不可能的)。如果这还不清楚,我会在早上写一个答案,更好地解释这个评论。啊,这对我来说很有意义。有时间写下来,我就接受。cheers+1在功能请求列表中。cheers(不幸的是,我的搜索
列将有一个变量,理论上不限字数)。我将保留我当前的代码。
# fast subset, AU and Brisbane are entries of the two key columns
places[J("AU", "Brisbane")]