我的data.table有多少个唯一键？

Question

鉴于data.table，我如何找到它包含的唯一键的数量？

library(data.table) 
z <- data.table(id=c(1,2,1,3),key="id") 
length(unique(z$id)) 
==> 3 

的问题是，unique是一般二次，但是，由于在data.table键进行排序，应该可以找到线性时间唯一键在data.table数量。

Answer 1

也许这样的：

sum(Negate(duplicated)(z$id)) 

Z $ ID仍排序，所以复制可以在它的工作速度快：

bigVec <- sample(1:100000, 30000000, replace=TRUE) 
system.time(sum(Negate(duplicated)(bigVec))) 
    user system elapsed 
    8.161 0.475 8.690 

bigVec <- sort(bigVec) 
system.time(sum(Negate(duplicated)(bigVec))) 
    user system elapsed 
    0.00 2.09 2.10 

但我只是检查和长度（独特的（））的作品更快的分类向量以及...

所以也许有某种检查，如果向量进行排序（可以在线性时间完成）。对我来说，这看起来不是二次的：

system.time(length(unique(bigVec))) 
    user system elapsed 
    0.000 0.583 0.664 

bigVec <- sort(sample(1:100000, 20000000, replace=TRUE)) 
system.time(length(unique(bigVec))) 
    user system elapsed 
    0.000 1.290 1.242 

bigVec <- sort(sample(1:100000, 30000000, replace=TRUE)) 
system.time(length(unique(bigVec))) 
    user system elapsed 
    0.000 1.655 1.715 

Answer 2

我会扩大我的评论作为答案。

base::unique（unique.default）在矢量上使用散列表，效率很高，平均复杂度为O（1） - 这很可能是一般情况。最坏情况的复杂度是O（n）。但是在每次插入/搜索时发生这种情况的机会应该非常少见 - 如果确实如此，它必定是一个可怕的哈希函数。

在你的问题中，你只有一个关键列，因此基地的独特应该是相当有效的。但是，在多个列中，unique.data.frame效率非常低 - 因为它将所有列都强制转换为字符，然后将它们粘贴在一起，然后调用unique.default。

您可以使用：

nrow(unique(z)) 

data.table的unique方法，默认情况下，提供键列其by说法。而且由于我们知道数据已经被排序，我们使用data.table:::uniqlist来取代与O(n)中的唯一行相对应的索引。因此，它在任何关键列上都是有效的。

但是，我们可以在设置密钥时将此信息添加为属性，因为它非常简单。