给定a data.table
,我想快速将其中的项目子集。例如:
dt = data.table(a=1:10, key="a")
dt[a > 3 & a <= 7]
这仍然很慢。我知道我可以进行联接来获取单个行,但是有没有一种方法可以对事实data.table
进行排序以获取这种快速子集呢?
这就是我在做什么:
dt1 = data.table(id = 1, ym = c(199001, 199006, 199009, 199012), last_ym = c(NA, 199001, 199006, 199009), v = 1:4, key=c("id", "ym"))
dt2 = data.table(id = 1, ym = c(199001, 199002, 199003, 199004, 199005, 199006, 199007, 199008, 199009, 199010, 199011, 199012), v2 = 1:12, key=c("id","ym"))
对于每个id
,这里只有1,并且ym
in dt1
,我想对v2
current ym
indt1
和last ym
in之间的值求和dt1
。也就是说,ym == 199006
在dt1
我想回国list(v2 = 2 + 3 + 4 + 5 + 6)
。这些是v2
in的值dt2
等于或小于当前值ym
(不包括前一个ym)。在代码中:
expr = expression({ #browser();
cur_id = id;
cur_ym = ym;
cur_dtb = dt2[J(cur_id)][ym <= cur_ym & ym > last_ym];
setkey(cur_dtb , ym);
list(r = sum(cur_dtb$v2))
})
dt1[,eval(expr ),by=list(id, ym)]
为了避免的逻辑条件,执行的滚动加入dt1
和dt2
。然后ym
在内向前移动一个位置id
。最后,总结了v2
通过id
和ym
:
setkey(dt1, id, last_ym)
setkey(dt2, id, ym)
dt1[dt2,, roll = TRUE][
, list(v2 = v2, ym = c(last_ym[1], head(ym, -1))), by = id][
, list(v2 = sum(v2)), by = list(id, ym)]
请注意,由于要对所有内容进行求和,last_ym
因此on键dt1
必须为last_ym
而不是ym
。
结果是:
id ym v2
1: 1 199001 1
2: 1 199006 20
3: 1 199009 24
4: 1 199012 33
更新:更正
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句