使用带有 data.table 的“on”过滤带有向量的各种列答案

【问题标题】：Filter various columns with vectors using "on" with data.table使用带有 data.table 的“on”过滤带有向量的各种列
【发布时间】：2019-07-02 00:35:33
【问题描述】：

我想一次使用 data.table 尽可能高效地执行多个过滤器。有没有办法通过“开”来实现这一点。

由于效率的原因，我需要将它放在 data.table 中（我必须对数据集执行数百万个过滤器 + 汇总）

这个带有 dplyr 的代码应该在 data.table 中完成。（希望使用我已经尝试过的相同结构，我可能会遗漏一些东西）。

data("iris")

iris %>% filter(Sepal.Length %in% c(5, 6.2), 
         Species %in% c("setosa", "virginica", "versicolor"))

我试过了，

DT <- setDT(iris)

DT[.(c(5, 6.2), c("setosa", "virginica", "versicolor")),  on = c( "Sepal.Length", "Species")]

我知道我可以先执行一个过滤器然后再执行另一个过滤器，但是代码比较慢。

我收到警告：

在 as.data.table.list(i) 中：项目 1 的大小为 2，但最大大小为 3 （回收剩下 1 件）

据我所知，它用“setosa”过滤 5，用“virginica”过滤 6.2，再用“versicolor”过滤 5。

【问题讨论】：

你在找DT[CJ(Sepal.Length=c(5, 6.2), Species=c("setosa", "virginica", "versicolor")), on = c( "Sepal.Length", "Species")]吗？
为什么不只是 iris[Sepal.Length %in% c(5, 6.2) & Species %in% c("setosa", "virginica", "versicolor") ,] ？还是您的意思是“一个过滤器，然后是另一个过滤器”？
%chin% 在 Species 列中会更快
整数的 %chin% 比 %in% 快吗？即，如果必须执行 %in% 的千分之一，您会建议转换为角色吗？
%in% 表示整数，%chin% 表示字符

标签： r data.table

【解决方案1】：

正如@thelatemail 在评论中所说，您只需将 dplyr filter 中的所有内容带到 data.table 的 i 部分（请记住：data.table 的工作方式类似于 DT[filter_conditions, do_stuff, by_group] == DT[i, j, by])。

原来如此

iris[Sepal.Length %in% c(5, 6.2) & Species %chin% c("setosa", "virginica", "versicolor"), ]

另外两点需要注意：

如果要过滤介于 5 和 6.2 之间的 Sepal.Lengths，可以将 %in% 更改为 %between% 或 %inrange%。见?between 和?inrange
使用%chin% (ch-aracter in) 来检查是否属于字符向量，它比普通的%in% 快得多。见?chmatch

【讨论】：