多个条件下的 R data.table 子集。

Question

使用下面的数据集，如果该客户曾经购买过 SKU 1，我如何编写一个 data.table 调用来对该表进行子集化并返回该客户的所有客户 ID 和相关订单？

预期结果应返回一个表，在该条件下排除 cid 3 和 5 以及匹配 sku==1 的客户的每一行。

我被卡住了，因为我不知道如何编写“包含”语句，== 文字只返回 sku 的匹配条件...我相信有更好的方法..

library("data.table")    
df<-data.frame(cid=c(1,1,1,1,1,2,2,2,2,2,3,4,5,5,6,6),
    order=c(1,1,1,2,3,4,4,4,5,5,6,7,8,8,9,9),
    sku=c(1,2,3,2,3,1,2,3,1,3,2,1,2,3,1,2))

    dt=as.data.table(df)

Answer 1

这类似于previous answer，但这里的子集以更类似于data.table 的方式工作。

首先，让我们选择符合我们条件的cids：

matching_cids = dt[sku==1, cid]

%in% 运算符允许我们过滤到列表中包含的那些项目。所以，使用上面的：

dt[cid %in% matching_cids]

或单行：

> dt[cid %in% dt[sku==1, cid]]
     cid order sku
  1:   1     1   1
  2:   1     1   2
  3:   1     1   3
  4:   1     2   2
  5:   1     3   3
  6:   2     4   1
  7:   2     4   2
  8:   2     4   3
  9:   2     5   1
 10:   2     5   3
 11:   4     7   1
 12:   6     9   1
 13:   6     9   2

Answer 2

我会认为使用keys 是更多 (?!) data.table。我无法完全弄清楚如何将全部内容放在一行中，但我认为这在大数据上会更快一些，因为我理解（我很可能弄错了）这是迄今为止唯一避免矢量扫描的解决方案（与二分搜索相比速度很慢）：

#  Set initial key
setkey(dt,sku)

#  Select only rows with 1 in the sku and return first example of each, setting key to customer id
dts <- dt[ J(1) , .SD[1] , keyby = cid ]

#  change key of dt to cid to match customer id
setkey(dt,cid)

#  join based on common key
dt[dts,.SD]
#    cid order sku
# 1:   1     1   1
# 2:   1     1   2
# 3:   1     2   2
# 4:   1     1   3
# 5:   1     3   3
# 6:   2     4   1
# 7:   2     5   1
# 8:   2     4   2
# 9:   2     4   3
#10:   2     5   3
#11:   4     7   1
#12:   6     9   1
#13:   6     9   2

您可以在一行中执行的另一种方法是使用 data.table merge 像这样...

setkey(dt,sku)
merge( dt[ J(1) , .SD[1] , keyby = cid ] , dt , by = "cid" )