在 data.table 中的函数内子集行答案

【问题标题】：Subsetting rows inside function in data.table在 data.table 中的函数内子集行
【发布时间】：2019-08-19 06:12:08
【问题描述】：

我正在尝试在 R 函数中以编程方式对 data.table 的行进行子集化。以下按预期工作：

dt <- data.table(id = 1:5, variable = c("test","data","data", "is", "fun"))
dt[variable == "data"]

   id variable
1:  2     data
2:  3     data

如果我定义函数：

dtSubset <- function(df, col, str) {
  df[col == str]
}
dtSubset(df, "variable", "data")

我得到一个 0 行表。

以下作品：

dtSubset <- function(df, str) {
  dt[variable == str]
}
dtSubset(df, "data")

所以问题在于选择函数内的列。

我尝试了 eval、substitute、quote 和 deparse 的组合，引用和取消引用要传入的列名，每一个都无济于事。我也尝试了subset，但遇到了同样的问题。小插曲在j 中描述了如何做到这一点，但在i 中没有。不知道我是否遗漏了一些明显的东西，或者我只是想错了，但是我应该怎么做呢？

【问题讨论】：

标签： r data.table

【解决方案1】：

您也可以使用get 来使您的功能正常工作：

dtSubset <- function(df, col, str) {
  df[get(col) == str]
}

现在dtSubset(dt, "variable", "data") 将为您提供预期的结果：

   id variable
1:  2     data
2:  3     data

【讨论】：

get 是我错过的部分。最终做了一个deparse(substitute(col)) 和get，因此可以不加引号地提供该列。非常感谢。

【解决方案2】：

如果您想在函数中传递带引号的变量，您可以使用 [[ 对列进行子集化

dtSubset <- function(df, col, str) {
     df[df[[col]] == str, ]
}

dtSubset(dt, "variable", "data")

#   id variable
#1:  2     data
#2:  3     data

【讨论】：

【解决方案3】：

我尝试了 eval、substitute、quote 和 deparse 的组合，引用和取消引用要传入的列名，每个都无济于事。

你可以的

subit <- function(d, cc, vv){
  ex = substitute( d[cc == vv], list(cc = as.name(cc), vv = vv) )
  print(ex)
  eval(ex)
}

subit(dt, "variable", "data")

d[variable == "data"]
   id variable
1:  2     data
2:  3     data

as.name 或as.symbol 去掉"variable" 的引号。

通过这种方法，您可以利用 data.tables 优化的“自动索引”。 @sindri_baldur 的答案还通过创建索引并加入来使用索引。第三种选择是即时加入：

jit <- function(d, cc, vv) d[.(unique(vv)), on=cc, nomatch=0]
jit(dt, "variable", "data")

此“子集连接”的一些替代方法在这里：Perform a semi-join with data.table

【讨论】：

【解决方案4】：

另一种选择是在函数内部使用setkey()：

dtSubset <- function(df, col, str) {
  setkeyv(df, col)[str]
}

dtSubset(dt, "variable", "data")
#    id variable
# 1:  2     data
# 2:  3     data

【讨论】：