Jak zdefiniować klucze data.table dla szybkiej agregacji za pomocą wielu kluczy

Question

Próbuję lepiej zrozumieć, wykorzystując keyd data.table s. Po przeczytaniu dokumentacji myślę, że rozumiem, jak przyspieszyć podzestawy przy użyciu jednego klucza. Na przykład:

DT = data.table(x=rep(c("ad","bd","cd"),each=3), y=c(1,3,6), v=1:9) 

Opcja pierwsza:

DT[x == "ad"] 

Opcja druga:

setkey(DT,x) 
DT["ad"] 

W tym przypadku jedna opcja jest znacznie wolniejszy niż dwóch opcji, bo data.table używa klucza w celu uzyskania bardziej efektywnego dostępu (za pomocą wyszukiwania binarnego a skanowania wektorowego, którego nie rozumiem, ale ufam, jest szybsze).

W przypadku agregowania w podzbiorze danych za pomocą instrukcji by, jaki jest najszybszy sposób zdefiniowania klucza? Czy należy wpisać kolumnę, której używam do podzbioru danych, lub kolumnę, która definiuje grupy? Na przykład:

setkey(DT,x) 
DT[!"bd",sum(v),by=y] 

lub

setkey(DT,y) 
DT[!"bd",sum(v),by=y] 

Czy istnieje sposób, aby wykorzystać klucz zarówno x i y?

EDIT

Czy ustawienie klucza zarówno x i y wykonać dwa wyszukiwania wektorowej? tj:

setkey(DT,x,y) 

EDIT2

Niestety, co ja oznaczało zadawania był będzie wywołanie DT[!"bd",sum(v),by=y] wykonać dwa skany binarnych gdy DT jest osadzone zarówno przez x i y?

Answer 1

Uważam, że nie jest możliwe wykonanie dwóch skanów binarnych, gdy tabela danych DT jest kluczowana przez x i y. Zamiast tego chciałbym powtórzyć kluczowanie najpierw na X, a następnie y następująco:

DT = data.table(x=rep(c("ad","bd","cd"),each=3), y=as.character(c(1,3,4)), v=1:9) 
setkey(DT,x) 
tmp = DT[!"bd"] 
setkey(tmp,y) 
tmp[!"1",sum(v),by=y]