使用data.table有效地进行子集和聚合

Question

我有一个大数据集（几百万行）存储为data.table（我目前正在学习使用该包）。它的格式如下（只是相关列）：

DT=data.table("a"=c(11,11,11,12,13,13),"b"=c("x", "y", "z", "y", "x", "y"))
DT
   a  b
1: 11 x
2: 11 y
3: 11 z
4: 12 y
5: 13 x
6: 13 y

我正在尝试构建一个基于“a”中的值输入的函数，在“b”（列表A）中查找与其关联的所有值，然后搜索“a”中的剩余值并返回“b”中具有最多值的值与列表A中的值匹配的那个。

e.g。对于a = 11，列表A是“x，y，z”，对于a = 13，列表A是“x，y” a = 13的期望结果是a = 11（匹配2个值 - “x，y”）

我正在努力寻找最有效的方法。 到目前为止我尝试的是：

toMatch=3
setkey(DT,a)
vals=DT[list(toMatch)]$b

vals
[1] "x" "y"

setkey(DT,b)
temp=data.table("listA"=DT[list(vals)]$a)
temp[,.N, by = names(temp)][order(-N)]

temp
   listA  N
1:     11 2
2:     31 2
3:     21 1

best=temp[listA!=toMatch][1]
   listA
1:    11

这给出了期望的结果，但需要重置密钥（每次都不可行）或构造辅助表，每个辅助表都有自己的密钥。 如前所述，我现在才学习使用data.table - 我相信有更有效的方法来实现这一点。

感谢您的帮助！