data.table 中更快的子集聚合

Question

我想在我的 data.table 中添加一个新列。此列应包含满足特定条件的所有行的其他两列的最小值。 data.table 的示例如下所示：

library(data.table)
DT <- data.table(pattern=c("A", "A & B", "A & B & C", "A & C & D"),
                 value1=c(1, 2, 3, 4),
                 value2=c(5, 6, 7, 8)
)  

     pattern value1 value2
1:         A      1      5
2:     A & B      2      6
3: A & B & C      3      7
4: A & C & D      4      8

对于每一行 x 和每一行 i，其中 pattern[x] 是 pattern[i] 的子模式，我想执行如下计算：

min((value1[i]-value1[x])/(value1[i]/value2[i]-value1[x]/value2[x]))

因为模式具有相似的顺序，所以我可以使用正则表达式检索子模式并将“&”替换为通配符“.*”并检查它是否不是模式本身。因此，我可以在每一行上使用一个 for 循环：

setkey(DT,pattern)
for(i in 1:nrow(DT)) {
  DT[i, foo:=DT[grepl(gsub("&",".*",DT[i]$pattern,fixed=TRUE),pattern) & DT[i]$pattern!=pattern, 
                ifelse(.N==0,
                       NA,
                       min((DT[i]$value1-value1)/(DT[i]$value1/DT[i]$value2-value1/value2)))]]
}

不幸的是，该数据集相当大，并且该数据集上的 for 循环非常慢。我希望有人可以用一些我不知道的 data.table 魔法来帮助我解决这个问题。本质上，我的问题与this one 非常相似，但是给出了字符串格式的模式，因此我不能使用范围连接。

背景： 这些模式是从association rule mining 输出的，例如 {onion & potato => burger}。有数千种不同的项目（例如示例中的 A、B、C 和 D）。我尝试添加一个统计度量来找出规则与其子规则的关系。

Answer 1

我不了解您要执行什么计算（我尝试运行您的代码，在其中两行中获得了 Inf），但一般来说，您可以将其作为中间步骤：

DT[, hasA := grepl("A", pattern)]
DT[, hasB := grepl("B", pattern)]
DT[, hasC := grepl("C", pattern)]
DT[, hasD := grepl("D", pattern)]
DT[, foo_0 := value1*value2]

然后从那里出发。