给定每个组的行索引，对 data.table 进行子集答案

【问题标题】：Subset a data.table given the row index for each group给定每个组的行索引，对 data.table 进行子集
【发布时间】：2016-07-03 10:57:09
【问题描述】：

这似乎是一个微不足道的问题，我似乎无法找到解决方案：

考虑两个data.tables

library(data.table)
dt <- data.table(id = c(1,1,1,2,2,2),
                 val = c(10,20,30,10,20,30))

dt1 <- data.table(id = c(1,2),
                  V1 = c(2,1))

我如何对dt 进行子集化，其中dt1 告诉我分组id 的行号(V1) 我需要子集化？

例如，这里的结果将是

#    id val
# 1:  1  20
# 2:  2  10

更新

对建议的解决方案进行快速基准测试

library(data.table)
s <- 100000
set.seed(123)
dt <- data.table(id = rep(seq(1:s), each=10),
                 val = rnorm(n = s*10, 0, 1))

dt1 <- data.table(id = seq(1:s),
                  V1 = sample(1:10, s, replace=T))


library(microbenchmark)

microbenchmark(

  akrun = { dt[dt1, on='id'][, .SD[1:.N==V1] ,id] },

  david = { dt[dt1, val[i.V1], on = 'id', by = .EACHI] },

  symbolix = { dt[, id_seq := seq(1:.N), by=id][dt1, on=c(id_seq = "V1", "id") , nomatch=0] },

   times = 5

 )
#Unit: milliseconds
#     expr         min          lq        mean      median          uq         max neval
#    akrun 17809.51370 17887.89037 18005.32357 18043.80279 18130.78978 18154.62118     5
#    david    48.17367    53.76436    53.79004    54.69096    55.59657    56.72467     5
 #symbolix   507.67312   511.23492   562.59743   571.31160   579.61228   643.15525     5

【问题讨论】：

标签： r data.table

【解决方案1】：

另一种选择是使用by = .EACHI 以便在加入时对val 进行子集化

dt[dt1, val[i.V1], on = 'id', by = .EACHI]
#    id V1
# 1:  1 20
# 2:  2 10

如果那里有更多列，则可以改用.SD[i.V1]。

附带说明一下，在 data.table v >= 1.9.8 中，.SD[val] 操作计划完全优化以使用 GForce- 所以请抓紧。

【讨论】：

那么.SD 是否已经在 1.9.7 中进行了优化？我很困惑。
@docendodiscimus 它针对显式使用正整数（例如.SD[2L]）的情况进行了优化，但如果您将其作为变量传递（如val <- 2L ; .SD[val]）则不会进行优化。这应该在 v 1.9.8 中修复（希望如此）。
非常好。我正在为.EACHI 解决方案而苦苦挣扎，所以我很高兴看到这个！

【解决方案2】：

一种选择是 join on 'id' 然后做子集

dt[dt1, on='id'][, .SD[1:.N==V1] ,id][,V1:=NULL][]
#   id val
#1:  1  20
#2:  2  10

【讨论】：

在类似的主题上，也许dt[, id_seq := seq(1:.N), by=id][dt1, on=c(id_seq = "V1", "id") , nomatch=0] （以避免.SD 分配）？