从data.table中删除满足条件的行

Question

我有一个数据表

DT <- data.table(col1=c("a", "b", "c", "c", "a"), col2=c("b", "a", "c", "a", "b"), condition=c(TRUE, FALSE, FALSE, TRUE, FALSE))

   col1 col2 condition
1:    a    b      TRUE
2:    b    a     FALSE
3:    c    c     FALSE
4:    c    a      TRUE
5:    a    b     FALSE

并希望在以下情况下删除行：

• condition==TRUE每一行（第1行和第4行）
• col1和col2的值与condition==TRUE行（即第5行，col1 = a，col2 = b）具有相同值的每一行
• 最后，对于col1和col2具有相同值且condition==TRUE每一行，但切换了col1和col2（即第2行，col1 = b和col2 = a）

因此，只有第3行可以保留。

我这样做是通过创建一个新的数据表DTcond ，使所有符合条件的行，遍历col1和col2的值，并从DT收集将被删除的索引。

DTcond <- DT[condition==TRUE,]
indices <- c()
for (i in 1:nrow(DTcond)) {
    n1 <- DTcond[i, col1]
    n2 <- DTcond[i, col2]
    indices <- c(indices, DT[ ((col1 == n1 & col2 == n2) | (col1==n2 & col2 == n1)), which=T])
}

DT[!indices,]
   col1 col2 condition
1:    c    c     FALSE

这可行，但是对于大型数据集来说速度太慢了，我想在data.table中必须有其他方法可以做到无循环或不应用。 有什么建议可以改善这一点（我是data.table的新手）？

Answer 1

您可以进行反连接：

mDT = DT[(condition), !"condition"][, rbind(.SD, rev(.SD), use.names = FALSE)]
DT[!mDT, on=names(mDT)]

#    col1 col2 condition
# 1:    c    c     FALSE