使用 data.table 过滤以仅保留一对一匹配

Question

我正在使用包含两个 ID 列的大型 table。例如

ID1    ID2
01A    XY1
01B    XY4
...

两个 ID 列中都有重复的值，并且已决定仅保留两个 ID 之间存在一对一匹配的情况。即，如果任何 ID1 值与多个 ID2 值匹配，则删除具有该 ID1 值的所有行。反之亦然。

我使用 dplyr 编写了一些有效的代码：

df %>%
  group_by(ID1) %>%
  filter(n_distinct(ID2)==1) %>%
  distinct() %>%
  filter(!is.na(ID2)) %>%
  group_by(ID2) %>%
  filter(n_distinct(ID1)==1) %>%
  distinct() %>%
  filter(!is.na(ID1))

但是，由于 table 的大小，这对运行来说相当慢。我正在尝试弄清楚如何使用 data.table 来做同样的事情。我认为它必须使用 unique 和 uniqueN 的某种组合，但似乎不太正确。

非常感谢任何帮助。

Answer 1

在data.table中，你可以做-

library(data.table)

setDT(df)

na.omit(unique(df[, .SD[uniqueN(ID2) == 1], ID1][, 
            .SD[uniqueN(ID1) == 1], ID2]))

Answer 2

我们可以做到

library(data.table)
tmp <- setDT(df)[df[, .I[uniqueN(ID2)== 1], ID1]$V1]
na.omit(unique(tmp[tmp[, .I[uniqueN(ID1) == 1], ID2]$V1]))

使用 data.table 过滤以仅保留一对一匹配

Filter to keep only one-to-one matches using data.table

r

matching

data.table

data-wrangling