使用列名向量在循环中重新编码data.table值

Question

我有一个包含一些分类变量的大数据表，其中缺失值已编码为空白字符串。 我想将它们重新编码为NA。

我有一个存储分类变量名称的向量：

categorical_variables = c("v3", etc.

向量肯定设置正确-我已经成功地使用它遍历了每一列的图。 但是，当我尝试使用此代码进行重新编码时...

for (v in categorical_variables) myDataTable[get(v)=="",get(v):=NA]

...我收到以下错误：

 Error in get(v) : object 'v3' not found

但这行得通：

myDataTable[v3=="",v3:=NA]

这也可以正常工作：

myDataTable[get("v3")=="",get("v3")]

因此，当我尝试使用get（）与：=结合进行赋值时，会引发错误。 我究竟做错了什么？

data.table非常大（因此，我偏爱使用data.table），因此理想情况下，我不想转换为data.frame并使用基本R方法。 我觉得这在data.table中应该是一个非常简单的过程，但是我真的很难在文档，Google或此处找到任何结论性的东西！ 这是一个错误还是我遗漏了一些明显的东西？

Answer 1

我们可以使用set 。 根据?set ，它非常快，因为避免了[.data.table的开销

library(data.table)
for (v in categorical_variables){
   set(myDataTable, i=which(myDataTable[[v]]==""), j=v, value=NA)
 }

但是，在读取自身时可以避免这种情况，因为fread具有na.strings选项（就像read.csv/read.table ）。 我们可以将需要读取的字符指定为NA，即如果我们有""和$来读取为NA ，

myDataTable <- fread("yourfile.csv", na.strings=c("", "$"))

数据

myDataTable <- data.table(v3=c(letters[1:3], ''), 
        v5 = 1:4, v7 = c('', '', letters[1:2]))