任一键匹配的两列上的 data.table 子集

Question

我是data.table 的新手，似乎遗漏了一些明显的东西。我有一张桌子：

DT = data.table(A = c("x","y","y","z"), B = c("y","x","x","z"), value = 1:4)
setkey(DT, A, B)

现在我想找到A 或B 为"y" 的所有行（使用二进制搜索，我的实际表更大，操作必须执行数百万次）。我无法在一个语句中弄清楚如何做到这一点，因为，

DT[.("y", "y"), nomatch=0]

只给我(A & B) == "y" 的行（但我想要(A | B) == "y"）。我现在做的是：

uA <- unique(DT[, A])
rbind(DT[.(uA, "y"), nomatch=0], DT[.("y"), nomatch=0])

但我觉得一定有更直观的方法。

感谢您的帮助！

---

基准测试

包括改编自@Frank's comment on Binary search DT with key on two columns using alternative (OR) instead of a conjunction的代码

n = 1e6
DT = data.table(A = sample(letters, n, replace = TRUE), 
                B = sample(letters, n, replace = TRUE), value = 1:n)
setkey(DT, A, B)
uA <- unique(DT[, A])

library(microbenchmark)
Union = function(){
   mya = DT[A=="y", which=TRUE]
   myb = DT[B=="y", which=TRUE]
   DT[union(mya,myb)] 
} 
microbenchmark(
    "reduce" = DT[DT[, Reduce('|', lapply(.SD, '==', 'y')), .SDcols = A:B]],
    "rbind" = rbind(DT[.(uA, "y"), nomatch=0], DT[.("y"), nomatch=0]),
    "union" = Union()
)

Unit: milliseconds
   expr      min        lq      mean    median        uq       max neval
 reduce 9.922728 10.116613 11.422823 10.226871 11.803204 25.453557   100
  rbind 2.596139  2.734751  2.916620  2.850199  3.113995  3.453326   100
  union 5.393815  5.725917  6.221544  5.906222  6.758622 14.019206   100

Answer 1

我们可以使用Reduce 和| 来获得一个逻辑vector，它检查.SDcols 中提到的任一列是否具有值'y'，并将其用于对行进行子集化

DT[DT[, Reduce('|', lapply(.SD, '==', 'y')), .SDcols = A:B]]

基准测试

set.seed(24)
DT = data.table(A = sample(letters, 1e7, replace = TRUE), 
                B = sample(letters, 1e7, replace = TRUE), value = 1:1e7)

DT1 <- copy(DT)
system.time({
      setkey(DT, A, B)
    uA <- unique(DT[, A])
    rbind(DT[.(uA, "y"), nomatch=0], DT[.("y"), nomatch=0])
     })
# user  system elapsed 
#  1.14    0.19    0.87 

system.time({
   DT1[DT1[, Reduce('|', lapply(.SD, '==', 'y')), .SDcols = A:B]]
   })
#  user  system elapsed 
#  0.17    0.02    0.19