將data.table列的每個組中的值與向量中的值匹配

Question

我最近開始使用data.table包來識別符合某些條件的表列中的值。儘管我已經完成了大部分工作，但現在我仍然堅持這個問題：

我有一個數據表table1，其中第一列（標籤）是組ID，第二列，o.cell，是一個整數。關鍵是「標籤」

我有另一個數據表，表2，包含單個列：「單元格」。

現在，我正試圖爲table1中的每個組找到table2中「cell」列中列「o.cell」的值。 table1有大約400K行被分成800多組不等大小。 table2有大約130萬行獨特的細胞數量。 「o.cell」table1列中的單元格編號可以在多個組中找到。

這似乎是一個簡單的任務，但我找不到正確的方法來做到這一點。根據我構建我的調用的方式，它要麼給我的結果與我期望的不同，要麼永遠不會完成，而且我必須結束R任務，因爲它凍結了（我的機器具有24 GB RAM）。

這裏的「變種」的電話我都試過的一個示例：

overlap <- table1[, list(over.cell = 
       o.cell[!is.na(o.cell) & o.cell %in% table2$cell]), 
       by = labels] 

我很肯定這是使用數據表的這個任務，重要的是我能頂走錯了路沒有得到我想要的結果。

我將非常感謝任何幫助。謝謝。

Answer 1

聽起來這是您的設置：

dt1 = data.table(labels = c('a','b'), o.cell = 1:10) 
dt2 = data.table(cell = 4:7) 

你只想做一個簡單的合併：

setkey(dt1, o.cell) 
dt1[dt2] 
# o.cell labels 
#1:  4  b 
#2:  5  a 
#3:  6  b 
#4:  7  a