Si j'ai le et je veux que ma sortie soit un Je peux penser à quelques façons de Faire cela avec la base R ou avec data.Table.tables dt et voisins : n est une table de recherche. Chaque fois que ok == 0 , je veux rechercher le Y1 dans N et utiliser cette valeur pour x et le IDX . A titre d'exemple, rangée 4 de DT: y1 de n pour d est E : IDX pour la ligne 4 est 1. Donc j'utiliserais: data.table comme dt [ok == 0] avec tout le x les valeurs remplacées par leur n ['y1' '] x valeur: plyr ... et peut-être que c'est tard vendredi ... mais quelles que soient les séquences de fusion que cela nécessiterait dans data.table est au-delà moi!
3 Réponses :
crdt(1e6)
system.time(fun(DT,n)[J(0)])
User System elapsed
4.213 0.162 4.374
crdt(1e7)
system.time(fun(DT,n)[J(0)])
User System elapsed
195.685 3.949 199.592
+1 de toute façon. Il est probable que les deux paste0 ralentissent i ; C'est (presque) toujours fait mieux avec une clé de 2 colonnes.
Réponse super compliquée:
> library(rbenchmark)
> benchmark(fun(DT,n)[J(0)],setkey(setkey(setkey(DT,y)[setkey(n,y),nomatch=0],idx,y1)[setkey(J(idx,y,new.x=x),idx,y),x:=new.x],ok)[list(0)])
test
1 fun(DT, n)[J(0)]
2 setkey(setkey(setkey(DT, y)[setkey(n, y), nomatch = 0], idx, y1)[setkey(J(idx, y, new.x = x), idx, y), `:=`(x, new.x)], ok)[list(0)]
replications elapsed relative user.self sys.self user.child sys.child
1 100 13.21 1.000000 13.08 0.02 NA NA
2 100 15.08 1.141559 14.76 0.06 NA NA
> crdt(1e5)
> benchmark(fun(DT,n)[J(0)],setkey(setkey(setkey(DT,y)[setkey(n,y),nomatch=0],idx,y1)[setkey(J(idx,y,new.x=x),idx,y),x:=new.x],ok)[list(0)])
test
1 fun(DT, n)[J(0)]
2 setkey(setkey(setkey(DT, y)[setkey(n, y), nomatch = 0], idx, y1)[setkey(J(idx, y, new.x = x), idx, y), `:=`(x, new.x)], ok)[list(0)]
replications elapsed relative user.self sys.self user.child sys.child
1 100 150.49 1.000000 148.98 0.89 NA NA
2 100 155.33 1.032162 151.04 2.25 NA NA
>
Super compliqué peut-être, mais c'est intelligent et agréablement rapide sur des données plus grandes (que j'ai!)
Grande question. En utilisant les fonctions dans les autres réponses et enroulez la réponse de Blue dans une fonction bleu code>, que diriez-vous de ce qui suit. Les points de repère incluent le temps nécessaire à la touche code> dans tous les cas. crdt(1e5)
origDT = copy(DT)
benchmark(blue={DT=copy(origDT); system.time(blue())},
red={DT=copy(origDT); system.time(red())},
fun={DT=copy(origDT); system.time(fun(DT,n))},
replications=3, order="relative")
test replications elapsed relative user.self sys.self user.child sys.child
red 3 1.107 1.000 1.100 0.004 0 0
blue 3 5.797 5.237 5.660 0.120 0 0
fun 3 8.255 7.457 8.041 0.184 0 0
crdt(1e6)
[ .. snip .. ]
test replications elapsed relative user.self sys.self user.child sys.child
red 3 14.647 1.000 14.613 0.000 0 0
blue 3 87.589 5.980 87.197 0.124 0 0
fun 3 197.243 13.466 195.240 0.644 0 0
identical(blueans[,list(idx,x,y,ok,y1)],redans[order(idx,y1)])
# [1] TRUE
Je suis systématiquement surpris de la puissance de data.table . Faire ce type d'opération à l'aide d'un autre paquet (ou de base R) nécessiterait à la fois plus de lignes de code et plus de temps! Bien fait et merci pour l'aide comme toujours.
Pour la postérité, si cela ne vous dérangerait pas d'ajouter des commentaires à certaines des lignes de votre fonction pour expliquer comment ils travaillent et pourquoi vous avez choisi cette technique, ce serait génial!
Cool, j'apprends de nouvelles choses. NE PAS CLÉ / TRY si vous avez juste besoin de rechercher une fois. Sous-ensemble Le jeu de données de données que vous recherchez avant de faire des jointures. Dans la ligne ans [ y1: n [y, y1, mul = "premier"]]] , le y est scopé en termes de ANS (comme la FAQ confirme en 2.13). Si vous connaissez que vos données sont mappées en tête-à-tête, utilisez multi = "premier" . Question: Dans ANS [ X: = DT [ANS [ LISTE (IDX, Y1)], X, MULT = "PREMIER"]]] , est Liste (IDX, Y1) < / Code> interprété dans la portée de ANS en raison du premier support externe ans , ou en raison du deuxième interne ANS support?
@Bluemagister Great, c'est tout sur place. Pour répondre à la dernière partie, c'est parce que ans [ liste (IDX, Y1)] est d'abord exécuté, et ce résultat est transmis comme i du dt [.. .] pièce extérieure.
@Justin Pas de problème, commentaires maintenant ajoutés.