通过列号和 grep 访问 data.table

Question

如果我使用这个简单的 data.table（一列）

mydata <- data.table(A=c("ID123", "ID22", "AAA", NA))

我可以找到以“ID”开头的行的位置

grep("^ID", mydata[,A])

如何改用数字来获得相同的结果？ （说我想要第一列）。

我试过了

grep("^ID", mydata[,1, with=F])

但它不起作用。

更重要的是，我想以data.table的方式来做，在括号内引入命令。

mydata[,grep("^ID",.SD), .SDcols=1]

但这不起作用。

我找到了这种方式，但是太复杂了

mydata[,lapply(.SD, grep,pattern="ID"), .SDcols=1] 

正确的方法是什么？

稍微复杂一点：
如果我想同时计算有多少行不是 NA 并以“ID”开头怎么办？

有点像

any(!(grepl("^ID", mydata[,A] ) | is.na(mydata[,A])))

但更紧凑且位于括号内。

我不喜欢 grep 将 NA 视为不匹配而不是输出 NA 的事实。

Answer 1

别忘了data.table 也是list。因此，如果您真的并且只是想要一整列作为向量，那么鼓励只在其上使用基本 R 方法：[[ 和 $。 p>

mydata <- data.table(A=c("ID123", "ID22", "AAA"))
mydata
#       A
#1: ID123
#2:  ID22
#3:   AAA
grep("^ID", mydata[[1]])   # using a column number
#[1] 1 2
grep("^ID", mydata$A)
#[1] 1 2

如果您在循环中需要这个，那么[[ 和$ 会更快，因为它们避免了DT[...] 内部的参数检查开销。如果只是一个调用，那么开销可以忽略不计。

grep("^ID", mydata[,1, with=F])“不起作用”（请包括您看到的错误消息而不是“不起作用”！）因为grep 想要一个向量，但DT[] 总是返回一个 data.table，即使如果是 1 列，则用于重要的类型一致性，例如链接时。直接mydata[[1]] 更干净，但另一种说明方式是grep("^ID", mydata[,1,with=F][[1]])。

正如 Frank 在 cmets 中所说，强烈建议不要使用列号，因为文档解释说，随着您的数据在未来数月和数年内发生变化，可能会出现错误。在 DT[...] 中改用列名。

但如果你真的必须，而且有时它是有效的，那么如何：

..theCol = DT[[theNumber]]
DT[ grep(,..theCol) & ..theCol | ..theCol etc , ... ]

变量名中的.. 前缀有点像目录路径一样表示“向上”。但是任何肯定不是列名的变量名都可以。这样，您可以在 DT[...] 内多次使用它，而无需重复表名 DT 和列号，只需按数字多次访问列。 （我们尽量避免符号名称重复，以减少由于拼写错误而导致错误的可能性。）

Answer 2

一种按数字索引列的 data.table 方法是转换为列名，转换为 R 符号，然后计算：

mydata[ , eval( as.symbol( names(mydata)[1] ) )]
[1] "ID123" "ID22"  "AAA" 

> grep("^ID", mydata[,eval(as.symbol(names(mydata)[1]))])
[1] 1 2

但由于 DT 常见问题解答 #1 以及行号不被视为有效目标这一事实，这并不是一条真正获准的成功之路。哲学（据我了解）是行号是偶然的，您应该使用唯一标识符存储您的记录。