我有一个数据集存储为data.table DT,如下所示:
- print(DT)
- category industry
- 1: administration admin
- 2: nurse practitioner truck
- 3: trucking truck
- 4: administration admin
- 5: warehousing nurse
- 6: warehousing admin
- 7: trucking truck
- 8: nurse practitioner nurse
- 9: nurse practitioner truck
我想将表减少到只有行业匹配类别的行.我的一般方法是使用grepl()来匹配字符串’^ {{INDUSTRY}} [az] $’和DT $category的每一行,并插入每个对应的DT $行代替{{INDUSTRY}使用infuse()在正则表达式字符串中.我很难找到一个时髦的data.table解决方案,它可以正确地循环遍历表并进行行内比较,所以我使用for循环来完成工作:
- template <- "^{{IND}}[a-z ]+$"
- DT[,match := FALSE,]
- for (i in seq(1,length(DT$category))) {
- ind <- DT[i]$industry
- categ <- d.daily[i]$category
- if (grepl(infuse(IND=ind,template),categ)){
- DT[i]$match <- TRUE
- }
- }
- DT<- DT[match==TRUE]
- print(DT)
- category industry
- 1: administration admin
- 2: trucking truck
- 3: administration admin
- 4: trucking truck
- 5: nurse practitioner nurse
但是,我确信这可以通过更好的方式完成.有关如何通过利用data.table包的功能实现此结果的任何建议?我的理解是,在这种情况下,使用包的方法可能比for循环更有效.
Data.table擅长分组操作;我认为这是有用的,假设你有很多行具有相同的行业:
- DT[ DT[,.I[grep(industry,category)],by = industry]$V1 ]
这使用the current idiom for subsetting by group,thanks to @eddi .
注释.这可能有助于进一步:
>如果您有许多行具有相同的行业类别组合,请尝试=.(行业,类别).>在grep的地方尝试别的东西(比如Ken和Richard的答案中的选项).