检查data.table值在其他data.table中的频率

Question

 library(data.table)
 DT1 <- data.table(num = 1:6, group = c("A", "B", "B", "B", "A", "C"))
 DT2 <- data.table(group = c("A", "B", "C"))

我想在popular中包含至少两次DT2$group时，向DT2添加一个带有值TRUE的列TRUE。因此，在上面的示例中，DT2应该是

    group popular
 1:     A    TRUE
 2:     B    TRUE
 3:     C   FALSE

怎样才能有效地解决这个问题？

更新示例： DT2实际上可能包含比DT1更多的组，下面是一个更新的示例：

 DT1 <- data.table(num = 1:6, group = c("A", "B", "B", "B", "A", "C"))
 DT2 <- data.table(group = c("A", "B", "C", "D"))

所需的输出将是

    group popular
 1:     A    TRUE
 2:     B    TRUE
 3:     C   FALSE
 4:     D   FALSE

Answer 1

我只想这样做：

## 1.9.4+
setkey(DT1, group)
DT1[J(DT2$group), list(popular = .N >= 2L), by = .EACHI]
#    group popular
# 1:     A    TRUE
# 2:     B    TRUE
# 3:     C   FALSE
# 4:     D   FALSE ## on the updated example

data.table的联接语法非常强大，因为在连接时，您还可以在j中聚合/选择/更新列。在这里，我们执行一个连接。对于DT2$group中的每一行，在DT1中对应的匹配行上，我们计算j-expression .N >= 2L；通过指定by = .EACHI (请检查1.9.4新闻)，我们每次计算j-expression。

在1.9.4中，.()作为别名引入到所有i、j和by中。所以你也可以：

DT1[.(DT2$group), .(popular = .N >= 2L), by = .EACHI]

当您加入单个字符列时，您可以完全放弃.() / J()语法(为了方便起见)。因此，这也可以写成：

DT1[DT2$group, .(popular = .N >= 2L), by = .EACHI]

Answer 2

我就是这样做的:首先计算每个组在DT1中出现的次数，然后简单地加入DT2和DT1。

require(data.table)
DT1 <- data.table(num = 1:6, group = c("A", "B", "B", "B", "A", "C"))
DT2 <- data.table(group = c("A", "B", "C"))

#solution:
DT1[,num_counts:=.N,by=group] #the number of entries in this group, just count the other column
setkey(DT1, group)
setkey(DT2, group)
DT2 = DT1[DT2,mult="last"][,list(group, popular = (num_counts >= 2))]

#> DT2
#   group popular
#1:     A    TRUE
#2:     B    TRUE
#3:     C   FALSE