Setarea și vizualizarea cheilor data.table

Îmbinarea datelor cu data.table în R

Scott Ritchie

Postdoctoral Researcher in Systems Genomics

Setarea cheilor `data.table`

Setarea cheilor elimină nevoia argumentului on la joinuri

Util când un data.table este folosit în mai multe joinuri

Sortează data.table în memorie după coloana cheie

Accelerează filtrarea și joinurile

Pot fi setate mai multe coloane ca chei

Funcția `setkey()`

Coloanele cheie sunt transmise ca argumente

setkey(DT, ...)

setkey(DT, key1, key2, key3)

setkey(DT, "key1", "key2", "key3")

# To set all columns in DT as keys
setkey(DT)

Funcția `setkey()`

Setați cheile ambelor data.tables înainte de join

setkey(dt1, dt1_key)
setkey(dt2, dt2_key)

Executați un join intern, dreapta și stânga:

# Inner join dt1 and dt2
dt1[dt2, nomatch = 0] 

# Right join dt1 and dt2
dt1[dt2] 

# Left join dt1 and dt2
dt2[dt1]

Setarea cheilor programatic

Coloanele cheie sunt furnizate ca vector de caractere

keys <- c("key1", "key2", "key3")
setkeyv(dt, keys)

Obținerea cheilor

haskey() verifică dacă au fost setate chei

haskey(dt1)

TRUE

key() returnează coloanele cheie setate

key(dt1)

"dt1_key"

Obținerea cheilor

Când nu sunt setate chei

haskey(dt_no_key)

FALSE

key(dt_no_key)

NULL

Vizualizarea tuturor `data.tables` și a cheilor lor

tables()

     NAME        NROW NCOL MB COLS                       KEY           
[1,] dt             3    4  1 key1,key2,key3,value       key1,key2,key3
[2,] dt1        1,000    3  1 dt1_key_column,value,group dt1_key
[3,] dt2        1,000    2  1 dt2_key_column,time        dt2_key
[4,] dt_no_key      5    2  1 id,color                                 
Total: 4MB

Să exersăm!

Îmbinarea datelor cu data.table în R