确定 data.table 组成员的行索引

Question

R中的data.table包提供了选项：

其中：‘TRUE’返回‘i’的‘x’的整数行号 匹配到。

但是，我看不到在j 中获取使用by 建立的组中“x”的整数行号的方法。

例如，给定...

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

...我想知道 DT 中每个 y 值的索引。

对我而言，价值在于我正在使用与另一个数据结构 (ADS) 并行的 data.table，我打算根据 data.table 的有效计算分组对其执行分组计算。

例如，假设 ADS 是一个向量，DT 中的每一行都有一个值：

ADS<-sample(100,nrow(DT))

作为一种解决方法，如果我首先向 data.table 添加一个新的序列列，我可以计算由 DT$y 组确定的 ADS 的组均值。

DT[,seqNum:=seq_len(nrow(DT))]
DT[,mean(ADS[seqNum]),by=y]

这会以添加新列为代价提供我想要的结果。

我意识到在这个例子中我可以使用 tapply 得到相同的答案：

tapply(ADS,DT$y,mean)

但是，我不会获得 data.tables 高效分组的性能​​优势（尤其是当 'by' 列被索引时）。

也许我忽略了一些语法？？？

也许这是一个添加到 data.table 的简单功能，我应该请求它（眨眼，眨眼）？？？

建议的语法：可选地将'.which'设置为组索引，允许写入：

DT[,mean(ADS[.which]),by=y,which=TRUE]

Answer 1

自data.table 1.8.3 起可用，您可以在j 的data.table 中使用.I 按组获取行索引...

DT[ , list( yidx = list(.I) ) , by = y ]
#   y  yidx
#1: 1 1,4,7
#2: 3 2,5,8
#3: 6 3,6,9

Answer 2

键控的 data.table 将被排序，以便组存储在连续的块中。在这种情况下，您可以使用.N 来提取分组索引信息：

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

ii <- DT[,.N, by=y]
ii[, start := cumsum(N) - N[1] + 1][,end := cumsum(N)][, N := NULL]
#    y start end
# 1: 1     1   3
# 2: 3     4   6
# 3: 6     7   9

（就我个人而言，我可能会像您建议的 seqNum 那样添加一个索引列。看起来更简单，我认为它不会对性能产生太大影响，除非您真的在挑战极限。）