如何通过引用删除data.table中的行？

我的问题与通过引用进行分配而不是在中进行复制有关data.table。我想知道是否可以通过引用删除行，类似于

DT[ , someCol := NULL]

我想知道

DT[someRow := NULL, ]

我猜这是为什么没有此功能的充分原因，因此也许您可以指出一个替代常规复制方法的好方法，如下所示。特别要注意的是，我喜欢example（data.table）中的内容，

DT = data.table(x = rep(c("a", "b", "c"), each = 3), y = c(1, 3, 6), v = 1:9)
#      x y v
# [1,] a 1 1
# [2,] a 3 2
# [3,] a 6 3
# [4,] b 1 4
# [5,] b 3 5
# [6,] b 6 6
# [7,] c 1 7
# [8,] c 3 8
# [9,] c 6 9

假设我要从此data.table中删除第一行。我知道我可以这样做：

DT <- DT[-1, ]

但通常我们可能要避免这种情况，因为我们正在复制对象（这需要大约3 * N的内存（如果为N object.size(DT)，如此处所指出的那样。）。现在我发现了set(DT, i, j, value)。第1行和第2行以及第2和3列的值都为零）

set(DT, 1:2, 2:3, 0) 
DT
#      x y v
# [1,] a 0 0
# [2,] a 0 0
# [3,] a 6 3
# [4,] b 1 4
# [5,] b 3 5
# [6,] b 6 6
# [7,] c 1 7
# [8,] c 3 8
# [9,] c 6 9

但是，如何删除前两行呢？在做

set(DT, 1:2, 1:3, NULL)

将整个DT设置为NULL。

我的SQL知识非常有限，所以你们告诉我：给定data.table使用SQL技术，是否有等效于SQL命令的信息

DELETE FROM table_name
WHERE some_column=some_value

在data.table中？

好问题。data.table尚无法通过引用删除行。

data.table您可以通过引用添加和删​​除列，因为它过度分配了列指针的向量。该计划是对行执行类似的操作，并允许快速insert和delete。行删除将memmove在C语言中使用，以使被删除的行之后的项目（每一列中的所有内容）堆积起来。与行存储数据库（例如SQL）相比，删除表中间的行仍然非常低效，而SQL更适合于在表中这些行的任何位置快速插入和删除行。但是，这比复制没有删除行的新大对象要快得多。

另一方面，由于列向量将被过度分配，因此可以立即在end处插入（和删除）行；例如，时间序列不断增长。

这是一个问题：按引用删除行。

我采用的使内存使用类似于就地删除的方法是一次将一列子集并删除。速度不及适当的C memmove解决方案快，但我只关心内存使用。像这样的东西：

DT = data.table(col1 = 1:1e6)
cols = paste0('col', 2:100)
for (col in cols){ DT[, (col) := 1:1e6] }
keep.idxs = sample(1e6, 9e5, FALSE) # keep 90% of entries
DT.subset = data.table(col1 = DT[['col1']][keep.idxs]) # this is the subsetted table
for (col in cols){
  DT.subset[, (col) := DT[[col]][keep.idxs]]
  DT[, (col) := NULL] #delete
}

这是一个基于@ vc273的答案和@Frank的反馈的工作函数。

delete <- function(DT, del.idxs) {           # pls note 'del.idxs' vs. 'keep.idxs'
  keep.idxs <- setdiff(DT[, .I], del.idxs);  # select row indexes to keep
  cols = names(DT);
  DT.subset <- data.table(DT[[1]][keep.idxs]); # this is the subsetted table
  setnames(DT.subset, cols[1]);
  for (col in cols[2:length(cols)]) {
    DT.subset[, (col) := DT[[col]][keep.idxs]];
    DT[, (col) := NULL];  # delete
  }
   return(DT.subset);
}

以及其用法示例：

dat <- delete(dat,del.idxs)   ## Pls note 'del.idxs' instead of 'keep.idxs'

其中“ dat”是data.table。在我的笔记本电脑上，从1.4M行中删除14k行需要0.25秒。

> dim(dat)
[1] 1419393      25
> system.time(dat <- delete(dat,del.idxs))
   user  system elapsed 
   0.23    0.02    0.25 
> dim(dat)
[1] 1404715      25
> 

PS。由于我是SO新手，因此无法在@ vc273的线程中添加注释：-(

相反，或尝试将其设置为NULL，请尝试将其设置为NA（与第一列的NA类型匹配）

set(DT,1:2, 1:3 ,NA_character_)

许多人（包括我在内）仍然很感兴趣。

那个怎么样？我曾经assign替换了glovalenv和之前描述的代码。捕获原始环境会更好，但至少在globalenv其中要提高内存效率，并且像引用一样进行更改。

delete <- function(DT, del.idxs) 
{ 
  varname = deparse(substitute(DT))

  keep.idxs <- setdiff(DT[, .I], del.idxs)
  cols = names(DT);
  DT.subset <- data.table(DT[[1]][keep.idxs])
  setnames(DT.subset, cols[1])

  for (col in cols[2:length(cols)]) 
  {
    DT.subset[, (col) := DT[[col]][keep.idxs]]
    DT[, (col) := NULL];  # delete
  }

  assign(varname, DT.subset, envir = globalenv())
  return(invisible())
}

DT = data.table(x = rep(c("a", "b", "c"), each = 3), y = c(1, 3, 6), v = 1:9)
delete(DT, 3)

这是我使用的一些策略。我相信.ROW函数可能会到来。以下所有方法都不是快速的。这些策略有些超出子集或过滤范围。我试图像dba一样只是试图清理数据。如上所述，您可以选择或删除data.table中的行：

data(iris)
iris <- data.table(iris)

iris[3] # Select row three

iris[-3] # Remove row three

You can also use .SD to select or remove rows:

iris[,.SD[3]] # Select row three

iris[,.SD[3:6],by=,.(Species)] # Select row 3 - 6 for each Species

iris[,.SD[-3]] # Remove row three

iris[,.SD[-3:-6],by=,.(Species)] # Remove row 3 - 6 for each Species

注意：.SD创建原始数据的子集，并允许您在j或后续data.table中进行大量工作。参见https://stackoverflow.com/a/47406952/305675。在这里，我按“隔片长度”对虹膜进行排序，以指定的Sepal.Length为最小值，选择所有物种的前三名（按“隔片长度”）并返回所有伴随数据：

iris[order(-Sepal.Length)][Sepal.Length > 3,.SD[1:3],by=,.(Species)]

最重要的是，删除行时，这些方法会按顺序对data.table进行重新排序。您可以转置data.table并删除或替换现在已转置的列的旧行。当使用'：= NULL'来删除转置的行时，随后的列名也将被删除：

m_iris <- data.table(t(iris))[,V3:=NULL] # V3 column removed

d_iris <- data.table(t(iris))[,V3:=V2] # V3 column replaced with V2

将data.frame转换回data.table时，可能需要从原始data.table重命名，并在删除的情况下恢复类属性。将“：= NULL”应用于现在已转置的data.table会创建所有字符类。

m_iris <- data.table(t(d_iris));
setnames(d_iris,names(iris))

d_iris <- data.table(t(m_iris));
setnames(m_iris,names(iris))

您可能只想删除重复的行，无论有没有键，您都可以这样做：

d_iris[,Key:=paste0(Sepal.Length,Sepal.Width,Petal.Length,Petal.Width,Species)]     

d_iris[!duplicated(Key),]

d_iris[!duplicated(paste0(Sepal.Length,Sepal.Width,Petal.Length,Petal.Width,Species)),]  

也可以用“ .I”添加一个增量计数器。然后，您可以搜索重复的键或字段，并通过使用计数器删除记录来删除它们。这在计算上是昂贵的，但是由于可以打印要删除的行，因此具有一些优点。

d_iris[,I:=.I,] # add a counter field

d_iris[,Key:=paste0(Sepal.Length,Sepal.Width,Petal.Length,Petal.Width,Species)]

for(i in d_iris[duplicated(Key),I]) {print(i)} # See lines with duplicated Key or Field

for(i in d_iris[duplicated(Key),I]) {d_iris <- d_iris[!I == i,]} # Remove lines with duplicated Key or any particular field.

您也可以只用0或NA填充一行，然后使用i查询将其删除：

 X 
   x v foo
1: c 8   4
2: b 7   2

X[1] <- c(0)

X
   x v foo
1: 0 0   0
2: b 7   2

X[2] <- c(NA)
X
    x  v foo
1:  0  0   0
2: NA NA  NA

X <- X[x != 0,]
X <- X[!is.na(x),]