使用 data.table 优化具有唯一节点的节点匹配目标

Question

我有 2 组由 id1 和 id2 表示的节点。 我有一个数据表，其中包含对节点的惩罚——键（id1，id2），值是惩罚。

我如何有效地将 data.table 划分为具有最小惩罚的节点对，以使每个节点（id1 和 id2）出现一次？

简单示例：

输入数据表：

dtIn <- data.table(
    id1 = rep(letters[1:3], each=3)
  , id2 = rep(1:3, 3)
  , penalty = 1:9
)
setkey(dtIn, id1, id2)

print(dtIn)
   id1 id2 penalty
1:   a   1       1
2:   a   2       2
3:   a   3       3
4:   b   1       4
5:   b   2       5
6:   b   3       6
7:   c   1       7
8:   c   2       8
9:   c   3       9

所需的输出数据表：

   id1 id2 penalty
1:   a   1       1
2:   b   2       5
3:   c   3       9

我知道如何实现编写循环的算法：按惩罚排序，遍历记录，如果之前没有节点匹配，则按顺序挑选每一对。请参阅下面的代码。

当然，对于我的真实大小的数据，这样的循环运行速度慢得令人难以忍受。

逻辑上正确但性能太差的手动循环功能：

manualIter <- function(dtIn) {
  setkey(dtIn, penalty, id1, id2) # Enusred ordered by penalty.
  id1Match <- NULL; id2Match <- NULL; pen <- NULL;
  for (i in seq_len(nrow(dtIn))) {
    if (!(dtIn$id1[i] %in% id1Match) && !(dtIn$id2[i] %in% id2Match)) {
      id1Match <- c(id1Match, dtIn$id1[i])
      id2Match <- c(id2Match, dtIn$id2[i])
      pen <- c(pen, dtIn$penalty[i])
    }
  }
  # Build the return data.table for the matching ids.
  dtf <- data.table(id1 = id1Match, id2 = id2Match, penalty = pen)
  setkey(dtf, id1, id2)
  return(dtf)
}

那么问题是如何有效地向量化这个算法呢？

Answer 1

更新了答案。我不确定您是否可以将其矢量化。我认为这本质上是一个递归问题。我的回答很简单（根据惩罚对数据进行排序）：

dtOut <- list()
dtOut[[1]] <- dtIn[1]
i <- 2
while(dtIn[, .N] > 0) {
  dtIn <- dtIn[!(id1 == dtOut[[i - 1]][, id1] | id2 == dtOut[[i - 1]][, id2])]
  if(dtIn[, .N] < 1) break
  dtOut[[i]] <- dtIn[1]
  i <- i + 1
}
dtOut <- rbindlist(dtOut)