data.tableの参照によって行を削除する方法は？

私の質問は、参照による割り当てとでのコピーに関連していdata.tableます。同様に、参照によって行を削除できるかどうかを知りたい

DT[ , someCol := NULL]

知りたい

DT[someRow := NULL, ]

この関数が存在しない理由は十分にあると思います。そのため、以下のように、通常のコピーアプローチに代わる優れた方法を指摘できます。特に、example（data.table）の私のお気に入りを使用すると、

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

このdata.tableから最初の行を削除したいとします。私はこれができることを知っています：

DT <- DT[-1, ]

我々は、オブジェクトのコピー（そのN場合、約3 * Nのメモリを必要としているので、しかし、多くの場合、我々は、それを回避したいことがありobject.size(DT)、ここで指摘したように。今、私が見つかりました。set(DT, i, j, value)私はここのように設定し、特定の値（に方法を知っている：すべてのセット行1と2、列2と3の値は0）

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

しかし、どうすれば最初の2行を消去できますか？している

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

DT全体をNULLに設定します。

私のSQLの知識は非常に限られているので、皆さんは私に言っています：data.tableがSQLテクノロジーを使用している場合、SQLコマンドに相当するものはありますか

DELETE FROM table_name
WHERE some_column=some_value

data.table？

良い質問。data.table参照による行はまだ削除できません。

data.tableご存知のように、列ポインタのベクトルをオーバーアロケーションするため、参照によって列を追加および削除できます。計画は、行に対して同様のことを行い、高速insertおよびを許可することですdelete。行の削除はmemmove、Cで使用され、削除された行の後に（すべての列の）アイテムを一杯にします。テーブルの中央にある行を削除することは、SQLなどの行ストアデータベースと比較すると、依然として非効率的です。SQLは、テーブル内の行がどこにあっても、行の高速な挿入と削除に適しています。しかし、それでも、行を削除せずに新しいラージオブジェクトをコピーするよりもはるかに高速です。

一方、列ベクトルが過剰に割り当てられるため、行が最後に瞬時に挿入（および削除）される可能性があります。たとえば、成長する時系列。

問題として提出されています：参照により行を削除します。

メモリ使用をインプレース削除と同様にするために私が取ったアプローチは、一度に列をサブセット化して削除することです。適切なC memmoveソリューションほど高速ではありませんが、ここで気にするのはメモリの使用だけです。このようなもの：

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
}

@ vc273の回答と@Frankのフィードバックに基づく作業関数を次に示します。

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);
}

そしてその使用例：

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

ここで、「dat」はdata.tableです。1.4M行から14,000行を削除すると、私のラップトップでは0.25秒かかります。

> 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。私はSOが初めてなので、@ vc273のスレッドにコメントを追加できませんでした:-(

代わりに、またはNULLに設定しようとして、NAに設定してみてください（最初の列のNAタイプに一致）

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

トピックはまだ多くの人々（私を含む）を面白くしています。

そのことについて何？と以前に説明したコードassignを置き換えるために使用しましたglovalenv。元の環境をキャプチャする方が適切ですが、少なくともglobalenvメモリ効率が高く、参照による変更のように機能します。

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)

ここに私が使用したいくつかの戦略があります。.ROW関数が来ると思います。以下のこれらのアプローチはどれも高速ではありません。これらは、サブセットまたはフィルタリングを少し超えたいくつかの戦略です。私はちょうどデータをクリーンアップしようとしているdbaのように考えてみました。上記のように、data.tableの行を選択または削除できます。

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：.SDは、元のデータのサブセットを作成し、j以降のdata.tableでかなりの作業を実行できるようにします。https://stackoverflow.com/a/47406952/305675を参照してください。ここで、アイリスをSepal Lengthで注文し、指定されたSepal.Lengthを最小として、すべてのSpeciesの上位3つ（Sepal Lengthで）を選択し、すべての付随データを返します。

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

上記のアプローチはすべて、行を削除するときにdata.tableを順番に並べ替えます。data.tableを転置して、転置された列になっている古い行を削除または置き換えることができます。'：= NULL'を使用して転置行を削除すると、後続の列名も削除されます。

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

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

data.frameをdata.tableに転置する場合、元のdata.tableから名前を変更し、削除した場合はクラス属性を復元することができます。転置されたdata.tableに "：= NULL"を適用すると、すべての文字クラスが作成されます。

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

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

あなたはキーの有無にかかわらず行うことができる重複した行を削除したいかもしれません：

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)),]  

'.I'を使用して増分カウンターを追加することもできます。次に、重複するキーまたはフィールドを検索し、カウンターでレコードを削除することにより、それらを削除できます。これは計算コストがかかりますが、削除する行を印刷できるため、いくつかの利点があります。

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.

行に0またはNAを入力し、iクエリを使用してそれらを削除することもできます。

 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),]