在data.table中按组按不同范围过滤

Question

我在表中有一些数据，我想做一个非 equi 连接（我认为这是正确的术语），并针对不同的组按不同的范围对其进行过滤。在下面的示例中，我想过滤组“a”，使其仅返回 1 和 20（含）之间的值和组“b”，因此它仅返回 80 和 100（含）之间的值。我的阅读表明 inrange 应该是要使用的项目。我知道如何在一般情况下使用它，但我不确定如何让它在不同的范围内按组运行。 （示例代码改编自?inrange）

创建样本数据

set.seed(1234)
Y = data.table(a=sample(1:100,100), val=runif(100), group=c(rep("a",50),rep("b",50)))
range = data.table(group=c("a","b"),start = c(1,80), end = c(20,100))

尝试过滤

Y[inrange(a, range$start, range$end),,by=group]

这显然不起作用，而是将这些范围应用于整个数据集并抛出错误消息Ignoring by= because j= is not supplied。我想我很清楚这不起作用，因为我没有在范围表和 Y 之间创建“连接”，但我没有看到如何通过inrange 使两个表进行分组通信。

注意：实际上 a 中的值将是 posixct 日期时间，但为了简单起见，我在这里没有使用它。

Answer 1

也许：

Y[range, K := TRUE, on = .(group, a >= start, a <= end)][!is.na(K),]
#         a        val  group      K
#     <int>      <num> <char> <lgcl>
#  1:     9 0.60189755      a   TRUE
#  2:     5 0.99874081      a   TRUE
#  3:    16 0.55512663      a   TRUE
#  4:     4 0.42944396      a   TRUE
#  5:    14 0.43101637      a   TRUE
#  6:     3 0.47880269      a   TRUE
#  7:     2 0.02220682      a   TRUE
#  8:     6 0.63891131      a   TRUE
#  9:     8 0.83470266      a   TRUE
# 10:    17 0.98304402      a   TRUE
# 11:    98 0.76785547      b   TRUE
# 12:    94 0.30766574      b   TRUE
# 13:    88 0.25814665      b   TRUE
# 14:    89 0.49954639      b   TRUE
# 15:    83 0.50892062      b   TRUE
# 16:    95 0.49443856      b   TRUE
# 17:    97 0.56695890      b   TRUE
# 18:    87 0.98970989      b   TRUE
# 19:    82 0.53190509      b   TRUE
# 20:   100 0.59662376      b   TRUE
#         a        val  group      K

还有其他方法可以做到这一点，但它们涉及重命名或丢失信息。例如，

• 左加入range和Y，我们输了a：

  Y[range, on = .(group, a >= start, a <= end)]
  #         a        val  group   a.1
  #     <int>      <num> <char> <int>
  #  1:     1 0.60189755      a    20
  #  2:     1 0.99874081      a    20
  #  3:     1 0.55512663      a    20
  # ...
  # 18:    80 0.98970989      b   100
  # 19:    80 0.53190509      b   100
  # 20:    80 0.59662376      b   100
  #         a        val  group   a.1
  

  解决方法是将Y$a 复制到一个新变量中并加入它：

  Y[,a1 := a][range, on = .(group, a1 >= start, a1 <= end)]
  #         a        val  group    a1  a1.1
  #     <int>      <num> <char> <int> <int>
  #  1:     9 0.60189755      a     1    20
  #  2:     5 0.99874081      a     1    20
  #  3:    16 0.55512663      a     1    20
  # ...
  # 18:    87 0.98970989      b    80   100
  # 19:    82 0.53190509      b    80   100
  # 20:   100 0.59662376      b    80   100
  #         a        val  group    a1  a1.1
  

• 左加入Y 和range，我们得到a 复制到start 和end，但没有明确的过滤指标：

  range[Y, on = .(group, start <= a, end >= a)]
  #       group start   end        val
  #      <char> <int> <int>      <num>
  #   1:      a    28    28 0.85026492
  #   2:      a    80    80 0.23466126
  #   3:      a    22    22 0.98816745
  # ...
  #  98:      b    82    82 0.53190509
  #  99:      b   100   100 0.59662376
  # 100:      b    30    30 0.26388647
  #       group start   end        val
  

  一种补救方法是复制另一个字段，这将为我们提供我们需要能够过滤的合并指示符。但即便如此，我们也必须重命名才能重新获得a 的数据：

  range[, K := TRUE][Y, on = .(group, start <= a, end >= a)][ !is.na(K), ]
  #      group start   end      K        val
  #     <char> <int> <int> <lgcl>      <num>
  #  1:      a     9     9   TRUE 0.60189755
  #  2:      a     5     5   TRUE 0.99874081
  #  3:      a    16    16   TRUE 0.55512663
  # ...
  # 18:      b    87    87   TRUE 0.98970989
  # 19:      b    82    82   TRUE 0.53190509
  # 20:      b   100   100   TRUE 0.59662376
  #      group start   end      K        val