检查其他data.table中data.table值的频率

Question

 library(data.table)
 DT1 <- data.table(num = 1:6, group = c("A", "B", "B", "B", "A", "C"))
 DT2 <- data.table(group = c("A", "B", "C"))

只要DT2$group 包含在DT1$group 中至少两次，我就想在DT2 中添加一列popular，其值为TRUE。所以，在上面的例子中，DT2 应该是

    group popular
 1:     A    TRUE
 2:     B    TRUE
 3:     C   FALSE

什么是实现这一目标的有效方法？

更新示例： DT2 实际上可能包含比DT1 更多的组，所以这里是一个更新示例：

 DT1 <- data.table(num = 1:6, group = c("A", "B", "B", "B", "A", "C"))
 DT2 <- data.table(group = c("A", "B", "C", "D"))

期望的输出是

    group popular
 1:     A    TRUE
 2:     B    TRUE
 3:     C   FALSE
 4:     D   FALSE

Answer 1

我会这样做：

## 1.9.4+
setkey(DT1, group)
DT1[J(DT2$group), list(popular = .N >= 2L), by = .EACHI]
#    group popular
# 1:     A    TRUE
# 2:     B    TRUE
# 3:     C   FALSE
# 4:     D   FALSE ## on the updated example

data.table的join语法非常强大，在join的同时，你还可以聚合/选择/更新j中的列。在这里我们执行一个连接。对于DT2$group中的每一行，在DT1中对应的匹配行上，我们计算j-表达式.N >= 2L；通过指定by = .EACHI（请检查1.9.4 NEWS），我们每次都计算j-表达式。

---

在1.9.4 中，.() 已作为别名引入所有i、j 和by。所以你也可以这样做：

DT1[.(DT2$group), .(popular = .N >= 2L), by = .EACHI]

当您通过单个字符列加入时，您可以完全删除 .() / J() 语法（为方便起见）。所以这也可以写成：

DT1[DT2$group, .(popular = .N >= 2L), by = .EACHI]

Answer 2

我会这样做：首先计算每个组在DT1 中出现的次数，然后简单地加入DT2 和DT1。

require(data.table)
DT1 <- data.table(num = 1:6, group = c("A", "B", "B", "B", "A", "C"))
DT2 <- data.table(group = c("A", "B", "C"))

#solution:
DT1[,num_counts:=.N,by=group] #the number of entries in this group, just count the other column
setkey(DT1, group)
setkey(DT2, group)
DT2 = DT1[DT2,mult="last"][,list(group, popular = (num_counts >= 2))]

#> DT2
#   group popular
#1:     A    TRUE
#2:     B    TRUE
#3:     C   FALSE