比较data.table的两行，仅显示具有差异的列 [英] Compare two rows of a data.table and show only columns with differences

问题描述

我得到了一个大的data.table，该表具有不同类型的列：数字或字符。例如，

I am given a large data.table, which has columns of different types: e.g. numeric or character. E.g.

 data.table(name=c("A","A"),val1=c(1,2),val2=c(3,3),cat=c("u","v"))

       name val1 val2 cat
   1:    A    1    3   u
   2:    A    2    3   v

结果，我想要一个data.table，只包含列，其中两行之间的条目不同：

As a results, I would like a data.table just with the columns, where the entries are different between the two rows:

 data.table(val1=c(1,2),cat=c("u","v"))

       val1 cat
   1:    1   u
   2:    2   v

推荐答案

您可以检查列中是否只有一个值，而只返回一个以上的值：

You can check whether there is only one value in the column and return only the ones with more than one value:

mydt <- data.table(name=c("A", "A"), val1=c(1, 2), val2=c(3, 3), cat=c("u", "v"))
mydt_red <- mydt[, lapply(.SD, function(x) if(length(unique(x))!=1) x else NULL)]
mydt_red
#   val1 cat
#1:    1   u
#2:    2   v

编辑

由 @kath 设计，一种更有效的获取结果的方法是使用 min 和 max 函数，并将它们与 Filter 组合：

EDIT
As mentionned by @kath, a more efficient way to get your result is to use min and max functions and to combine them with Filter:

mydt_red2 <- Filter(function(x) min(x)!=max(x), mydt)

一些基本基准测试

Some basic benchmarking

# Data (inspired by https://stackoverflow.com/a/35746513/680068)
nrow=10000
ncol=10000
mydt <- data.frame(matrix(sample(1:(ncol*nrow),ncol*nrow,replace = FALSE), ncol = ncol))
setDT(mydt)

system.time(mydt_redUni <- mydt[, lapply(.SD, function(x) if(length(unique(x))>1) x else NULL)])
#utilisateur     système      écoulé 
#       2.31        0.52        2.83 
system.time(mydt_redFilt <- Filter(function(x) length(unique(x)) > 1, mydt))
#utilisateur     système      écoulé 
#     1.65        0.22        1.87 
system.time(mydt_redSort <- mydt[, lapply(.SD, function(x) {xs <- sort(x); if(xs[1]!=tail(xs, 1)) x else NULL})])
#utilisateur     système      écoulé 
#    3.87        0.00        3.87 
system.time(mydt_redMinMax <- mydt[, lapply(.SD, function(x) if(min(x)!=max(x)) x else NULL)])
#utilisateur     système      écoulé 
#    0.67        0.00        0.67 
system.time(mydt_redFiltminmax <- Filter(function(x) min(x)!=max(x), mydt))
#utilisateur     système      écoulé 
#    0.13        0.01        0.14 
system.time(mydt_redSotos <- Filter(function(i)var(as.numeric(as.factor(i))) != 0, mydt))
#utilisateur     système      écoulé
#  100.76        0.05      100.84

这篇关于比较data.table的两行，仅显示具有差异的列的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！