如何高效获取data.table中已设键列指定值的对应行索引？

你观察到的“键查询效率更低”不是data.table键机制本身的问题，核心是测试场景的错配，你的猜测也是准确的：后两种线性匹配操作完全不会用到data.table设置的键做定位，本质和对普通原子向量做相等判断没有区别。
具体的耗时偏差来源包括：

• 当前测试的数据集只有200行，x列总共只有26种可能的取值，直接线性遍历列向量找匹配的耗时本身就极低
• DT[.("g"), which = TRUE] 每次调用都会触发完整的data.table查询流程：包括语法参数解析、键匹配校验、边界检查、返回值类型转换等固定开销，在200行这种极小规模下，这些固定开销的占比极高，远大于实际做位置查找的耗时
• 你测的which(DT$x == "g")、which(df$x == "g")本质都是直接对列存储的向量做R层面的线性比较，完全跳过了data.table的查询语法层，小数据下自然没有额外开销

• 小数据、偶发单值查询场景：直接用which(DT$x == 目标值)的线性匹配方式就是最优解，完全没必要走键查询的语法流程，没有任何多余的语法层开销
• 大规模数据、高频固定值查询场景：不要循环调用单值的键查询接口，每次调用的固定语法开销会被循环次数放大，可以提前构建值到行索引的映射表，一次构建，后续O(1)取值：
  因为列存在重复值，可以用split预生成映射：
  idx_map <- split(seq_len(nrow(DT)), DT$x)
  后续查询"g"对应的行索引，直接取idx_map[["g"]]即可，比循环调用DT[.("g"), which=TRUE]快两个数量级
• 批量多值查询场景：不要逐个值循环查询，利用data.table的键机制一次性批量取回所有匹配值的行索引，比如：
  target_vals <- c("a", "g", "z")
DT[target_vals, which = TRUE, on = "x"]
  这种场景下，等数据量增长到百万行规模时，基于键的二分查找效率会远高于多次线性遍历

data.table的键查询优势从来不是体现在“极小数据集下的单值循环查询”上。固定语法开销是每次查询的恒定成本，不会随数据量增长而变化：

• 200行规模下：线性遍历列向量耗时约2微秒，键查询的固定语法开销约300微秒，自然前者更快
• 1e6行规模下：线性遍历列向量一次约10毫秒，键查询的固定语法开销仍是300微秒，加上二分查找的纳秒级耗时，总耗时仅为线性遍历的1/25，这时候键的效率优势才会完全体现

内容的提问来源于stack exchange，提问作者Shubham Gupta