R data.table用户定义函数

Question

我正在从在R中使用data.frame过渡到data.table，以获得更好的性能。 转换代码的主要步骤之一是应用自定义功能，从在data.frame上应用到在data.table中使用它。

假设我有一个简单的数据表dt1。

x y z---header

1 9 j

4 1 n

7 1 n

我试图根据x，y，z的值计算dt1中的另一新列，我尝试了两种方法，两种方法都能给出正确的结果，但是更快的方法会发出警告。 因此，在使用更快的版本转换现有代码之前，请确保警告没有严重的意义。

(1) dt1[,a:={if((x<1) & (y>3) & (j == "n")){6} else {7}}]

(2) dt1[,a:={if((x<1) & (y>3) & (j == "n")){6} else {7}}, by = 1:nrow(x)]

版本1的运行速度比版本2快，但发出警告“条件的长度> 1，并且仅将使用第一个元素”，但结果很好。 第二个版本稍慢一些，但没有发出警告。 我想确保一旦开始编写复杂的函数，版本一就不会产生不稳定的结果。

请将该问题视为通用问题，以运行用户定义的函数的视图，该函数要访问给定行中的不同列值并计算该行的新列值。

谢谢你的帮助。

Answer 1

如果“ x”，“ y”和“ z”是“ dt1”的列，请尝试使用向量化ifelse

dt1[, a:=ifelse(x<1 & y >3 & z=='n', 6, 7)] 

或用7创建'a'，然后根据逻辑索引将6分配给'a'。

dt1[, a := 7][x<1 & y >3 & z=='n', a:=6][]

使用功能

getnewvariable <- function(v1, v2, v3){
   ifelse(v1 <1 & v2 >3 & v3=='n', 6, 7)
}

 dt1[, a:=getnewvariable(x,y,z)][]

数据

df1 <- structure(list(x = c(0L, 1L, 4L, 7L, -2L), y = c(4L, 9L, 1L, 
1L, 5L), z = c("n", "j", "n", "n", "n")), .Names = c("x", "y", 
"z"), class = "data.frame", row.names = c(NA, -5L))

dt1 <- as.data.table(df1)