在 data.table 中查找匹配项的行索引（我可以二分查找吗？）
Find row indices of matches in data.table (can I binary search?)
这似乎是一个很明显的问题，但我觉得我做错了。我有一个字符串向量，我只想在 data.table 中找到匹配的行索引。 data.table 由我要匹配的列作为键，因此，我认为我应该能够使用二进制搜索来查找匹配的索引。
示例如下：
在这里，我有一个 data.table，由列 c2 和一个字符串向量 new_dat 键控，我想为其找到行索引。
library(data.table)
## Example data, a keyed data.table
dat <- data.table(c1=1:10, c2=letters[1:10], key='c2')
## Match at some indices (keyed column so should be binary search?)
new_dat <- c('d', 'j')
## This doesn't feel right -- I don't think this is taking advantage of the
## data.table ordering at all
## Tried some dumb stuff like dat[match(new_dat, c2, 0L), .I]
dat[match(new_dat, c2, 0L), ] # only want the index of the matches
# c1 c2
# 1: 4 d
# 2: 10 j
## So, this is the desired result,
## but this is just doing ordinary linear search (I say w/o actually looking at the code)
match(new_dat, dat[['c2']], 0L)
# [1] 4 10
艾迪德
我刚刚意识到我可以做到，
dat[, ind := 1:.N][match(new_dat, c2, 0L), ind]
得到索引，还是没有解决我想描述的问题。
为了查找行索引（而不是使用 by 参数分组），您可以在执行二进制连接时指定 which = TRUE
options(datatable.verbose = TRUE) # Setting to TRUE so we can see the binary join being triggered
dat[new_dat, which = TRUE]
# Starting bmerge ...done in 0 secs <~~ binary join triggered
# [1] 4 10
（这也可以在不创建 c1 的情况下工作，因为它根本不使用该列）
而且，如果你只是想执行一个普通的二进制连接并查看所有列中的所有值，你不需要使用 match 或创建索引，只需执行
dat[new_dat]
# Starting bmerge ...done in 0 secs <~~ binary join triggered
# c1 c2
# 1: 4 d
# 2: 10 j
一般来说，只要你的数据是keyed的（或者你使用on参数为了加入）和 new_dat是不class integer 或 numeric, data.table 会自动触发二进制连接，即使 new_dat 被传递给第 i 个参数 没有被包装成.或J。但是，如果 new_dat 是上述 class 之一，data.table 将尝试执行 行索引 。因此，您需要使用 dat[.(new_dat), which = TRUE] 或 dat[J(new_dat), which = TRUE] 来强制 bmerge 而不是行索引。
这似乎是一个很明显的问题，但我觉得我做错了。我有一个字符串向量，我只想在 data.table 中找到匹配的行索引。 data.table 由我要匹配的列作为键，因此，我认为我应该能够使用二进制搜索来查找匹配的索引。
示例如下：
在这里，我有一个 data.table，由列 c2 和一个字符串向量 new_dat 键控，我想为其找到行索引。
library(data.table)
## Example data, a keyed data.table
dat <- data.table(c1=1:10, c2=letters[1:10], key='c2')
## Match at some indices (keyed column so should be binary search?)
new_dat <- c('d', 'j')
## This doesn't feel right -- I don't think this is taking advantage of the
## data.table ordering at all
## Tried some dumb stuff like dat[match(new_dat, c2, 0L), .I]
dat[match(new_dat, c2, 0L), ] # only want the index of the matches
# c1 c2
# 1: 4 d
# 2: 10 j
## So, this is the desired result,
## but this is just doing ordinary linear search (I say w/o actually looking at the code)
match(new_dat, dat[['c2']], 0L)
# [1] 4 10
艾迪德
我刚刚意识到我可以做到，
dat[, ind := 1:.N][match(new_dat, c2, 0L), ind]
得到索引，还是没有解决我想描述的问题。
为了查找行索引（而不是使用 by 参数分组），您可以在执行二进制连接时指定 which = TRUE
options(datatable.verbose = TRUE) # Setting to TRUE so we can see the binary join being triggered
dat[new_dat, which = TRUE]
# Starting bmerge ...done in 0 secs <~~ binary join triggered
# [1] 4 10
（这也可以在不创建 c1 的情况下工作，因为它根本不使用该列）
而且，如果你只是想执行一个普通的二进制连接并查看所有列中的所有值，你不需要使用 match 或创建索引，只需执行
dat[new_dat]
# Starting bmerge ...done in 0 secs <~~ binary join triggered
# c1 c2
# 1: 4 d
# 2: 10 j
一般来说，只要你的数据是keyed的（或者你使用on参数为了加入）和 new_dat是不class integer 或 numeric, data.table 会自动触发二进制连接，即使 new_dat 被传递给第 i 个参数 没有被包装成.或J。但是，如果 new_dat 是上述 class 之一，data.table 将尝试执行 行索引 。因此，您需要使用 dat[.(new_dat), which = TRUE] 或 dat[J(new_dat), which = TRUE] 来强制 bmerge 而不是行索引。