数据表自索引时出现错误

Question

这里有一个例子可以更加清晰地说明我的意思：

require(data.table)
x = data.table(a=1:10, idx=sample(c(TRUE, FALSE), 10, replace=TRUE))
x[idx]
Error in eval(expr, envir, enclos) : object 'idx' not found

然而，以下方法可以解决该问题：

x[idx[]]
#a  idx
#1:  2 TRUE
#2:  5 TRUE
#3:  7 TRUE
#4:  9 TRUE
#5: 10 TRUE

这里发生了什么事情，你有什么想法吗？

- Alex

---

有趣的是：x[idx == TRUE] 也可以工作。x[(idx)] 也可以。 - David Robinson

好的，以下是翻译的结果：原文链接：http://thread.gmane.org/gmane.comp.lang.r.datatable/1588/focus=1589题目：data.table使用“by =”和“keyby =”时的区别我正在学习R语言中的data.table包，但不理解“by=”和“keyby=”区别。是否可以给出一些例子，以帮助我更好地理解它们之间的差异？谢谢！回答：在data.table中，“by =”和“keyby =”用于按指定列进行分组。二者的主要区别在于“keyby =”还会把指定列设为数据表的键。

• 使用“by =”进行分组示例：

DT[, .(mean(x)), by = y]该代码将数据表DT按y列分组，并计算每个组中x列的平均值。

• 使用“keyby =”进行分组示例：

setkey(DT, y) DT[, mean(x), by = y]该代码首先将y列设置为数据表DT的键，然后按此键分组并计算每个组中x列的平均值。因此，“keyby =”不仅可用于分组，还可以方便地进行基于键的操作，例如合并、更新等。希望这可以帮助您更好地理解“by =”和“keyby =”之间的区别。 - GSee

@DavidRobinson，这是因为在 x[(idx)] 中，(idx) 被视为表达式（在 data.table 环境中），因此获取了 idx 的值。而 x[idx] 则在它自己的（和父级）环境中寻找 idx 变量并返回空值。我觉得有点棘手。 - Arun

基本上，除了涉及到 idx 的 x[idx] 表达式之外的任何表达式都将在 data.table 的范围内评估 idx。 - Ricardo Saporta

@Alex，您应该自己粘贴链接内容并将其接受为答案，以便问题保持已回答/已关闭的状态。 - Arun

Answer 1

引用@GSee在评论中提供的链接内容。

你好， 是的，这是预期的。来自于?data.table: "高级:当i是一个单一的变量名时，它不被认为是列名的表达式，而是在调用范围内评估。" 仅通过逻辑列进行子集处理是我能想到的唯一会混淆的例子。但我们经常利用这个特性，例如： TMP = list(...); DT[TMP] 确定DT[TMP]不会因为DT未来有一个名为TMP的列而开始失败。 当我有一个逻辑列boolCol时，我用()包装：DT[(boolCol)]。
这避免了==TRUE的记忆分配和扫描，并避免了DT[DT$boolCol]的变量名重复。 Matthew

- Alex