`data.table`基于'agrep'选择子集的方法？

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',
                              '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")]