我有一个DF，有800k行重复（随机）值。对于每一行，我需要取一个值并找到具有相同值的新行的索引。例如“asd”-我还能在哪里看到它？不需要当前行的索引。
我目前的解决方案是：子集一个DF，并通过删除当前行来创建一个临时帧/表。问题-每1000次迭代需要一分钟。所以800 k排要花13个小时。有什么想法吗？谢谢！
在原始DF（未细分）上运行
编辑：我现实生活中的DF不止一列。下面的例子是简化的。我需要获取V1[1]并获取其他V1的行号，其值为V1[1]，然后对每行重复V1[2]，依此类推
library(fastmatch)
library(stringi)
set.seed(12345)
V1 = stringi::stri_rand_strings(800000, 3)
df0 = as.data.table(V1)
mapped = matrix("",nrow=800000)
print(Sys.time())
for (i in 1:1000) {
tmp_df = df0[-i,] #This takes very long time!!!
mapped[i] = fmatch(df0$V1[i],tmp_df$V1)
}
print(Sys.time())
View(mapped)
数据：
library("data.table")
set.seed(12345)
V1 = stringi::stri_rand_strings(80, 3)
df0 <- data.table( sample(V1, 100, replace = TRUE ))
代码：
df0[, id := list(list(.I)), by = V1] # integer id
输出：
head(df0, 10)
# V1 id
# 1: iuR 1,2,21
# 2: iuR 1,2,21
# 3: KXc 3
# 4: LwA 4
# 5: pYn 5
# 6: qoN 6,66
# 7: 5Xt 7
# 8: wBH 8,77
# 9: V9r 9,39,54
# 10: 9ks 10,28,42,48
编辑-删除当前索引：
df0[, id2 := 1:.N ]
df0[, id := list(list(unlist(id)[ unlist(id) != .I ] )), by = id2 ]
df0[, id2 := NULL ]
df0[ lengths(id) > 0, ]
head( df0, 10 )
# V1 id
# 1: iuR 2,21
# 2: iuR 1,21
# 3: KXc
# 4: LwA
# 5: pYn
# 6: qoN 66
# 7: 5Xt
# 8: wBH 77
# 9: V9r 39,54
# 10: 9ks 28,42,48
