【发布时间】:2014-09-01 15:12:59
【问题描述】:
这里有一个例子:
DT = data.table(x=1:4, y=6:9, z=3:6)
setkey(DT, x, y)
连接列有多个值:
xc = c(1, 2, 4)
yc = c(6, 9)
DT[J(xc, yc), nomatch=0]
x y z
1: 1 6 3
J() 的这种使用只返回单行。其实我想加入%in%运营商。
DT[x %in% xc & y %in% yc]
x y z
1: 1 6 3
2: 4 9 6
但是使用%in% 运算符使搜索成为矢量扫描,与二进制搜索相比,它非常慢。为了进行二分搜索,我构建了所有可能的连接值组合:
xc2 = rep(xc, length(yc))
yc2 = unlist(lapply(yc, rep, length(xc)))
DT[J(xc2, yc2), nomatch=0]
x y z
1: 1 6 3
2: 4 9 6
但是以这种方式构建 xc2、yc2 会使代码难以阅读。在这种情况下,有没有更好的方法来获得二分查找的速度和%in% 运算符的简单性?
【问题讨论】:
-
我认为您正在寻找 cross join - 这是函数
CJ。试试DT[CJ(xc,yc), nomatch=0L]。随意发布这个作为答案(如果正确)并接受它。
标签: r performance data.table binary-search