如何在 data.table 中进行否定/不匹配/反向搜索？

Question

如果我想使用二进制搜索选择 data.table 中不包含键变量中特定值的所有行，会发生什么情况？顺便说一句，我想做的正确术语是什么？是“不加入”吗？是“负选择”吗？

DT = data.table(x=rep(c("a","b","c"),each=3), y=c(1,3,6), v=1:9)
setkey(DT,x)

让我们对 x=="a" 但使用二分搜索的所有行进行肯定选择

DT["a"]

这很漂亮，但我想要相反的。我想要所有不是“a”的行，换句话说，x!="a"

DT[x!="a"]

那是矢量扫描。上述行有效，但使用矢量扫描。我想使用二进制。我期待以下工作，但唉......

DT[!"a"]
DT[-"a"]

以上两个都不起作用，尝试使用 nomatch 让我无处可去。

Answer 1

成语是这样的：

DT[-DT["a", which=TRUE]]

   x y v
1: b 1 4
2: b 3 5
3: b 6 6
4: c 1 7
5: c 3 8
6: c 6 9

---

灵感来自：

• 邮件列表发帖Return Select/Join that does NOT match?
• 上一个问题non-joins with data.tables
• Matthew Dowle 的 answer 到 Porting set operations from R's data frames to data tables: How to identify duplicated rows?

---

更新。 v1.8.3 中的新功能是非连接语法。 Farrel 的第一个期望（! 而不是-）已经实现：

DT[-DT["a",which=TRUE,nomatch=0],...]   # old idiom
DT[!"a",...]                            # same result, now preferred.

有关更多详细信息和示例，请参阅NEWS 项目。

Answer 2

Andrie 的回答很棒，我可能会使用它。不过有趣的是，以下构造似乎（只是稍微）快了一点，尤其是随着 data.tables 大小的增加。

DT[J(x = unique(DT)[x!="a"][,x])]

##-------------------------------- Timings -----------------------------------##

library(data.table)
library(rbenchmark)

DT = data.table(x=rep(c("a","b","c"),each=45e5), y=c(1,3,6), v=1:9, key="x")
Josh <- function() DT[J(x = unique(DT)[x!="a"][,x])]
Andrie <- function() DT[-DT["a", which=TRUE]]

## Compare results
identical(Josh(), setkey(Andrie(), "x"))  
# [1] TRUE

## Compare timings
benchmark(replications = 10, order="relative", Josh=Josh(), Andrie=Andrie())
    test replications elapsed relative user.self sys.self user.child sys.child
1   Josh           10   17.50    1.000     14.78      3.6         NA        NA
2 Andrie           10   18.75    1.071     16.52      3.2         NA        NA

---

如果DT[,x] 可以返回一个data.table 而不是一个向量，我会特别想使用它。然后，可以将构造稍微简化为DT[unique(DT[,x])[x!="a"]]。此外，即使键中有多个列，它也可以工作，目前还没有。