R 根据包含列名的变量从不同列中选择值

我有一个data.table，如下所示：

col1   col2   col3  new  
1       4     55    col1 
2       3     44    col2
3       34    35    col2
4       44    87    col3

我想填充另一列

matched_value

，该列包含

new

列中给出的各个列名中的值：

col1   col2   col3  new    matched_value
1       4     55    col1        1
2       3     44    col2        3
3       34    35    col2        34
4       44    87    col3        87 

例如，在第一行中，

new

的值为“col1”，因此

matched_值

从

col1

中取值，即1

---

如何在R中对一个非常大的数据表有效地执行此操作？

我们可以将“新”列与数据集的列名进行匹配，以获得列索引，

cbind

与行索引（

1:nrow（df1）

）并基于行/列索引提取数据集的相应元素。可以将其指定给新列

df1$matched_value <- df1[-4][cbind(1:nrow(df1),match(df1$new, colnames(df1) ))]
df1
#  col1 col2 col3  new matched_value
#1    1    4   55 col1             1
#2    2    3   44 col2             3
#3    3   34   35 col2            34
#4    4   44   87 col3            87

基准

set.seed（45）
df2使用晦涩的
.BY
的借口：

DT[, newval := .SD[[.BY[[1]]]], by=new]

   col1 col2 col3  new newval
1:    1    4   55 col1      1
2:    2    3   44 col2      3
3:    3   34   35 col2     34
4:    4   44   87 col3     87

它是如何工作的。这将根据
new
中的字符串将数据拆分为组。每个组的字符串值存储在
newname=.BY[[1]]
中。我们使用此字符串通过
.SD[[newname]]
选择
.SD
的相应列
.SD
代表S数据集Data

替代品
get（.BY[[1]]）
应该可以替代
.SD[.BY[[1]]]]
。根据@David运行的一个基准测试，这两种方法同样快。
您能给出一个等效的数据表语法吗？还有，它会很快吗？我有一个非常大的数据集，大约有2000万行。@user3664020行/列索引速度很快，但是
cbind
ing可能是一个瓶颈。你有多少列？5列。这是数据表。可能使用
fastmatch
？大概
new
是一个因素，所以真正需要的是
transform（dat，val=dat[cbind（1:nrow（dat），new）]）
。非常快看起来像其他语言。它是如何工作的？等待解释！谢谢+1因为这个解决方案比我的
dt[，matched_value:=as.integer（get（new）），by=1:nrow（dt）]
解决方案快。@David我想
get
可能也一样快（也许更快？）。如果你做了
get（.by[[1]]，by=new
@Frank出于好奇，我已经测试了
get（.by[[1]]）和
.SD[.by[[1]]
在10^6行上使用
系统时间。这两者在时间上是无法区分的。@Frank请注意，在2020年，
.SD[.BY[[1]]]]]
似乎不再适用于指示找不到
.SD
的消息。幸运的是，
get（.BY[[1]]）
继续工作！
set.seed(45)
df2 <- data.frame(col1= sample(1:9, 20e6, replace=TRUE),
col2= sample(1:20, 20e6, replace=TRUE), 
col3= sample(1:40, 20e6, replace=TRUE),
col4=sample(1:30, 20e6, replace=TRUE),
new= sample(paste0('col', 1:4), 20e6, replace=TRUE), stringsAsFactors=FALSE)
system.time(df2$matched_value <- df2[-5][cbind(1:nrow(df2),match(df2$new, colnames(df2) ))])
#   user  system elapsed 
#  2.54    0.37    2.92 

DT[, newval := .SD[[.BY[[1]]]], by=new]

   col1 col2 col3  new newval
1:    1    4   55 col1      1
2:    2    3   44 col2      3
3:    3   34   35 col2     34
4:    4   44   87 col3     87