![](/img/trans.png)
[英]How to apply a function to a data.table subset by multiple columns in R?
[英]How to apply a function to a subset of data.table using by and exposing all columns to the function?
在按组切片data.table
,用于切片数据的变量在函数执行期间不在子集中。 我使用debugonce
演示了这debugonce
。
library(data.table)
x <- data.table(a = rep(letters[1:4], each = 3), b = rep(c("a", "b"), each = 6), c = rnorm(12))
myfun <- function(y) paste(y$a, y$b, y$c, collapse = "")
> debugonce(myfun)
> x[, myfun(.SD), by = .(b, a)]
debugging in: myfun(.SD)
debug: paste(y$a, y$b, y$c, collapse = "")
Browse[2]> y
c
1: -1.2662416
2: 0.9818497
3: -0.5395385
我所追求的是split-sapply范例的功能,我将根据factor(s)切片data.frame并将该函数应用于所有列,也就是说,还包括用于切片的变量它(如下所示)。
> debugonce(myfun)
> sapply(split(x, f = list(x$b, x$a)), FUN = myfun)
debugging in: FUN(X[[i]], ...)
debug: paste(y$a, y$b, y$c, collapse = "")
Browse[2]> y
a b c
1: a a -1.2662416
2: a a 0.9818497
3: a a -0.5395385
该任择议定书有一个函数,它接受一个列表,其中应包含data.table包括用于分组中列的所有列参数by
。
根据help(".SD")
:
.SD
是一个data.table,包含每个组的x
的数据子集, 不包括by
(或keyby
)中使用的任何列。
(强调我的)
.BY
是包含用于每个项目的长度1向量列表中的by
。 当事先不知道时by
这可能是有用的。
因此, .BY
和.SD
补充以访问data.table的所有列。
而不是在函数调用中明确重复by
列
x[, myfun(c(list(b, a), .SD)), by = .(b, a)]
我们可以用
x[, myfun(c(.BY, .SD)), by = .(b, a)]
ba V1 1: aaaa -1.02091215130492aa -0.295107569536843aa 0.77776326093429 2: abba -0.369037832486311ba -0.716211663822323ba -0.264799143319049 3: bccb -1.39603530693486cb 1.4707902839894cb 0.721925347069227 4: bddb -1.15220308230505db -0.736782242593426db 0.420986999145651
OP使用了debugonce()
来显示传递给myfun()
的参数:
> debugonce(myfun)
> x[, myfun(c(.BY, .SD)), by = .(b, a)]
debugging in: myfun(c(.BY, .SD))
debug at #1: paste(y$a, y$b, y$c, collapse = "")
Browse[2]> y
$b
[1] "a"
$a
[1] "a"
$c
[1] -1.0209122 -0.2951076 0.7777633
使用另一个示例数据集和函数,可能更容易举例说明问题的核心:
x <- data.table(a = rep(letters[3:6], each = 3), b = rep(c("x", "y"), each = 6), c = 1:12)
myfun <- function(y) paste(y$a, y$b, y$c, sep = "/", collapse = "-")
x[, myfun(.SD), by = .(b, a)]
ba V1 1: xc //1-//2-//3 2: xd //4-//5-//6 3: ye //7-//8-//9 4: yf //10-//11-//12
因此,列b
和a
确实在输出中显示为分组变量,但它们不会通过.SD
传递给函数。
现在,用.BY
补充.SD
x[, myfun(c(.BY, .SD)), by = .(b, a)]
ba V1 1: xcc/x/1-c/x/2-c/x/3 2: xdd/x/4-d/x/5-d/x/6 3: yee/y/7-e/y/8-e/y/9 4: yff/y/10-f/y/11-f/y/12
data.table的所有列都传递给函数。
Roland建议将.BY
和.SD
作为单独的参数传递给函数。 实际上, .BY
是一个列表对象,而.SD
是一个data.table对象(它本质上也是一个允许我们使用c(.BY, .SD)
)。 可能存在差异可能很重要的情况。
为了验证,我们可以定义一个打印str()
作为副作用的函数。 仅为第一组调用该函数( .GRP == 1L
)。
myfun1 <- function(y) str(y)
x[, if (.GRP == 1L) myfun1(.SD), by = .(b, a)]
Classes 'data.table' and 'data.frame': 3 obs. of 1 variable: $ c: int 1 2 3 - attr(*, ".internal.selfref")=<externalptr> - attr(*, ".data.table.locked")= logi TRUE Empty data.table (0 rows) of 2 cols: b,a
x[, if (.GRP == 1L) myfun1(.BY), by = .(b, a)]
List of 2 $ b: chr "x" $ a: chr "c" Empty data.table (0 rows) of 2 cols: b,a
x[, if (.GRP == 1L) myfun1(c(.BY, .SD)), by = .(b, a)]
List of 3 $ b: chr "x" $ a: chr "c" $ c: int [1:3] 1 2 3 Empty data.table (0 rows) of 2 cols: b,a
除了help(".SD")
,对以下SO问题的评论和回答可能有用:
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.