根据“列”列表的内容对数据框进行子集化

Set-Up

我有一个列表矩阵，其中“列”之一是一个列表（我意识到这是一个奇怪的数据集，但我发现它对于其他操作很有用）。列表中的每个条目是： (1) 空 (integer(0))，(2) 整数，或 (3) 整数向量。

例如。 R 对象“d.f”，其中 d.f$ID 为索引向量，d.f$Basket_List 为列表。

ID <- c(1,2,3,4,5,6,7,8,9)
Basket_List <- list(integer(0),c(123,987),c(123,123),456,
                    c(456,123),456,c(123,987),c(987,123),987)
d.f <- data.frame(ID)
d.f$Basket_List <- Basket_List

我的问题

Issue 1

我想根据“Basket_List”是否包含某些值来创建一个新数据集，它是初始数据集的子集。例如。 d.f 中所有行的子集，使得 Bask_list 具有“123”或“123”和“987”——或其他更复杂的条件。

我尝试了以下各种变体，但没有成功。

d.f2 <- subset(d.f, 123 %in% Basket_List)
d.f2 <- subset(d.f, 123 == any(Basket_List))
d.f2 <- d.f[which(123 %in% d.f$Basket_List,]
# should return the subset, with rows 2,3,5,7 & 8

Issue 2

我的另一个问题是，我将在数百万行（它是事务数据）上运行此操作，因此我想尽可能地优化它以提高速度（我现在有一个复杂的 for 循环，但它花费太多时间）。

数据的替代设置

如果您认为它可能有用，数据也可以设置如下：

ID <- c(1,2,2,3,3,4,5,5,6,7,7,8,8,9)
Basket <- c(NA,123,987,123,123,456,456,123,456,123,987,987,123,987)
alt.d.f <- data.frame(ID,Basket)

您可以使用sapply为了这：

ID <- c(1,2,3,4,5,6,7,8,9)
Basket_List <- list(integer(0),c(123,987),c(123,123),456,
                    c(456,123),456,c(123,987),c(987,123),987)
d.f <- data.frame(ID)

sel <- sapply( Basket_List, function(bl,searchItem) {
  any(searchItem %in% bl)
}, searchItem=c(123) )

> sel
[1] FALSE  TRUE  TRUE FALSE  TRUE FALSE  TRUE  TRUE FALSE

> d.f[sel,,drop=FALSE]
  ID
2  2
3  3
5  5
7  7
8  8

请注意您的术语。 data.frame 不是矩阵。这是一种列表。

从速度上来说，sapply不是最快的，但选择会非常快，因为它是矢量化的。如果你需要更快的速度，data.table time.