data.table使用2

R语言数据表的使用2
  上期的data.table简述了创建、横向记录过滤、纵向字段计算和字段分组汇总问题，其中涉及用list()或者.()的快速过滤的方法。这次继续论述data.table的关键字Key（和SQL中的索引一样），还有数据连接问题。

5.索引
  一直以来，我都把索引看做是主键的翻版，因为在SQL的关系表中，主键只能有一个，但是索引是可以随心设置，索引的作用举个例子就明白了。在3个变量且10条记录的数据中，我们的横向数据过滤和纵向的字典计算（两者都包含着[]筛选条件使用），在数据框中逐个数据的检索，而使用索引的话，就会利用索引先创建出一个二叉搜索树，极大提高搜索速度。在数据框中没有索引这个功能，但是在数据表data.table中具有个功能就是setkey()和J()。

5.1 设置索引（setkey）

library(data.table)
#示例操作
DT <-  data.table(x=rep(c("b","a","c"),each=3), y=c(1,3,6), v=1:9)
# (deep) copy DT to kDT to work with it.
#复制一份DT数据，命名为KDT
kDT <-  copy(DT) 
kDT

 # set a 1-column key. No quotes, for convenience.
#设置一列索引，就是kDT中的x
setkey(kDT,x) 
# same (v in setkeyv stands for vector)
#同上
setkeyv(kDT,"x")

#设置两列索引
# multi-column key
 # 2-column key
setkey(kDT,x,v)
setkeyv(kDT,c("x","y"))

#查看数据表中已经设置的索引
key(kDT)                              # "x"

5.2 使用索引

#5.2.1使用一个索引
# subset-as-join on *key* column 'x'
kDT["a"] 
# same, being explicit using 'on=' (preferred)
#这个on是作者推荐的方式
kDT["a", on="x"]      

#5.2.2使用多个索引
#索引的使用类似于表联结，这里一定要注意下面四种使用索引方法的不同！！！
setkey(kDT,x,y)
# join to 2 columns  #如果检索值在字段中，这样使用list的.()形式检索最快，这样也最好
kDT[.("a", 3)] 
# remove missing    
#！！！！如果你不清楚是不是在这个字段中，请加上nomatch=0,以减少NA值
kDT[.("a", 3:6), nomatch=0]    
# join 4 rows (2 missing)
kDT[.("a", 3:6)]
# 否定检索
kDT[!"a"]                           

6.使用key合并数据

#新建一个数据表
X <-  data.table(x=c("c","b"), v=8:7, foo=c(4,2))
X
#1.内联结，只保存匹配到的值
# inner join
DT[X, on="x", nomatch=0]  

# 2.left join  左联结  #以索引键进行联结，左表不变，右表添加过来，没有对应值，则为NA
#索引值不变，存在NA的结果
X[DT, on="x"] 

# 3.right join 
#可以理解为在DT中以x搜索X数据中的值进行匹配
#因为X数据中的x是DT数据的x的子集，所以这里没有NA值
DT[X, on="x"]                        

 # 4. not join 非联结
DT[!X, on="x"]                       

7.使用key修改数据
  值得注意的是R中的数据修改通常是需要用[]进行命中数据进行的，如果要批量的进行数据修改，就需要用for循环，或者是lapply等向量化的函数。在数据表中，我们可以用符号:=来修改数据，或者添加数据。

#7.1 这样的修改，就把v中的数据全部修改成为了5
#加上print是为了直接输出，以免还得写X
X[,v:=5]
X

#7.2 加入过滤条件修改！！！！！！
#修改x列中的a对应的v值为42L
DT["a", v:=42L, on="x"]

#7.3 add new column by reference
#像这样，这需要用新的列名，就是添加了一个新列，不用transform
DT[, z:=42L]
DT

#7.4 remove column by reference
#这样是删除一列
DT[, z:=NULL]                
DT