在另一个data.table中检查data.table值的频率

Question

 library(data.table)
 DT1 <- data.table(num = 1:6, group = c("A", "B", "B", "B", "A", "C"))
 DT2 <- data.table(group = c("A", "B", "C"))

我想要添加一列popular到DT2中，并且当DT2$group至少出现两次在DT1$group中时，其值为TRUE。因此，在上面的例子中，DT2应该是

    group popular
 1:     A    TRUE
 2:     B    TRUE
 3:     C   FALSE

有什么高效的方法可以实现这个目标？

更新的示例： DT2 可能包含比 DT1 更多的组，因此这是一个更新的示例：

 DT1 <- data.table(num = 1:6, group = c("A", "B", "B", "B", "A", "C"))
 DT2 <- data.table(group = c("A", "B", "C", "D"))

期望的输出结果应该是：

    group popular
 1:     A    TRUE
 2:     B    TRUE
 3:     C   FALSE
 4:     D   FALSE

- johnl

---

DT2 是否始终具有与 DT1 相同的唯一 group？如果是，则简单地使用 DT1[, .(popular = .N >= 2L), by=group]。 - Arun

嗨@Arun，不，它并没有；我在这里过于简化了例子，抱歉。如果“DT2”包含的组比“DT1”多，则popular应为“FALSE”（因为它至少没有在“DT1$group”中出现两次）。 - johnl

对于一个好问题，给出+1 - Rich Scriven

这里有一种非数据表的方法！table(factor(DT1$group, levels = unique(DT2$group))) >= 2 - rawr

Answer 1

我会这样做：

## 1.9.4+
setkey(DT1, group)
DT1[J(DT2$group), list(popular = .N >= 2L), by = .EACHI]
#    group popular
# 1:     A    TRUE
# 2:     B    TRUE
# 3:     C   FALSE
# 4:     D   FALSE ## on the updated example

data.table的连接语法非常强大，因为在连接时，您还可以在j中聚合/选择/更新列。这里我们执行一个连接操作，对于DT2$group中的每一行，在DT1中相应匹配的行上，计算j表达式.N >= 2L；通过指定by = .EACHI（请参见1.9.4 NEWS），我们每次都会计算j表达式。

---

在1.9.4中，.()已作为所有i、j和by的别名引入。因此，您也可以这样做:

DT1[.(DT2$group), .(popular = .N >= 2L), by = .EACHI]

当您仅通过单个字符列进行连接时，您可以完全省略.() / J() 语法（方便起见）。因此，这也可以写成：

当你只通过一个字符列加入时，你可以完全省略.() / J() 语法（为了方便）。所以这也可以写成：

DT1[DT2$group, .(popular = .N >= 2L), by = .EACHI]

- Arun

---

专业数据表格 - Rich Scriven

这真是纯粹的魔法。你必须为未来的读者添加一些信息。 - David Arenburg

再投一票，今晚你就能获得 data.table 的金徽章了 :) - David Arenburg

Answer 2

这是我的做法：首先计算每个组在DT1中出现的次数，然后简单地连接DT2和DT1。

require(data.table)
DT1 <- data.table(num = 1:6, group = c("A", "B", "B", "B", "A", "C"))
DT2 <- data.table(group = c("A", "B", "C"))

#solution:
DT1[,num_counts:=.N,by=group] #the number of entries in this group, just count the other column
setkey(DT1, group)
setkey(DT2, group)
DT2 = DT1[DT2,mult="last"][,list(group, popular = (num_counts >= 2))]

#> DT2
#   group popular
#1:     A    TRUE
#2:     B    TRUE
#3:     C   FALSE

- Alex

---

这可以通过聚合DT1而不是更新它来进一步简化。 - Arun

我认为更新更有效率：聚合需要复制，而更新不需要任何复制。 - Alex