在R（複雜）中篩選數據

Question

我有一個包含700萬條記錄的數據集。

我需要過濾數據，只顯示其中約9000個。

第一個字段dmg實際上是主鍵，格式爲1-Apr-123456。每個dmg值大約有12次出現。

另一列是O_Y，取值爲0或1.它通常是0，但在大約900次的情況下是1。

我想用相同的dmg價值，其中這些記錄至少一個具有和1

Answer 1

O_Y值我建議使用data.table在data.table意願這樣做（fread返回所有行在大型數據集中閱讀也很方便，因爲你說你有足夠的RAM）。

我不確定以下是在data.table中執行此操作的最佳方法，但至少應該讓您開始。希望別人會出現並列出最常用的data.table方法。但這是我現在可以想到的：

假設你的data.table被稱爲DT並且有兩列dmg和O_Y。使用O_Y作爲DT和子集DT對於O_Y == 1（DT[.(1)]以data.table語法）的索引鍵。現在找到相應的dmg值。這些dmg值中的unique是您的keys.with.ones。所有這一切都是簡潔做到如下：

setkey(DT, O_Y) 
keys.with.ones <- unique(DT[.(1), dmg][["dmg"]]) 

接下來，我們需要提取相應的dmg這些值的行。爲此，我們需要爲DT鍵更改爲dmg，並提取對應於上述鍵行：

setkey(DT, dmg) 
DT.filtered <- DT[.(keys.with.ones)] 

而且我們正在這樣做。 :)

請參考？data.table找出一個更好的方法，如果可能的話，讓我們知道。