如何在data.table中先过滤条件再按行号提取行子集？

要实现先筛选foo列不为NA的所有行，再取该结果的前50行，直接通过data.table的链式索引即可完成，这是最直观且符合需求的方式：

dt[!is.na(foo)][1:50]

原理说明 #

• 第一个索引[!is.na(foo)]会先遍历整个data.table，筛选出所有foo列非NA的行，返回一个新的data.table对象；
• 第二个索引[1:50]则针对这个筛选后的结果，提取其前50行，完全避免了“先取前50行再过滤”可能返回0行的问题。

你也可以用head()函数实现相同效果，写法稍显不同但逻辑一致：

dt[!is.na(foo), head(.SD, 50)]

注意：避免错误写法 #

不要使用以下顺序的索引，这会先取原表前50行再过滤，不符合你的需求：

# 错误示例：先取前50行再过滤，可能返回0行
dt[1:50][!is.na(foo)]

内容的提问来源于stack exchange，提问作者Beres