使用条件子集 data.table答案

【问题标题】：Subsetting data.table with a condition使用条件子集 data.table
【发布时间】：2013-12-15 08:27:04
【问题描述】：

如何对大数据表（data.table 包）的子样本进行抽样？是否有更优雅的方式来执行以下操作

DT<- data.table(cbind(site = rep(letters[1:2], 1000), value = runif(2000)))
DT[site=="a"][sample(1:nrow(DT[site=="a"]), 100)]

猜测有一个简单的解决方案，但无法选择正确的措辞进行搜索。

更新： 更一般地说，如何在不为行号创建临时列的情况下访问 data.table 的 i 参数中的行号？

【问题讨论】：

【解决方案1】：

使用which，您可以找到行号。您可以简单地从具有所需属性的所有行中采样，而不是从 1:nrow(...) 采样。在您的示例中，您可以使用以下内容：

DT[sample(which(site=="a"), 100)]

【讨论】：

【解决方案2】：

使用data.table 的最大好处之一是您可以为数据设置密钥。
使用key，然后使用.I（内置变量。有关更多信息，请参阅?data.table），您可以使用：

setkey(DT, site)
DT[DT["a", sample(.I, 100)]]

关于你的第二个问题"how can I access a row number in data.table's i argument"

# Just use the number directly:
DT[17]

【讨论】：

谢谢！只是为了澄清，如何使用 i 参数对每个偶数进行采样？
+1。有了你正在做的事情，你必须从内部DT[..] 中进行子集化，即：DT[DT["a", sample(.I, 100)]$V1]。或者，您可以使用 [.data.table 中的 which 参数，如下所示：DT[sample(DT["a", which=TRUE])]