[英]R - How to perform list-column operations in data.table
我正在使用一个数据表,该表的一列中存储有嵌套数据表:
fertName.x YDRange.x fertName.y YDRange.y dat
1: fertA 36-80 fertB 36-80 <data.table[7x3]>
2: fertA 36-80 fertC 36-80 <data.table[7x3]>
3: fertA 36-80 fertD 36-80 <data.table[7x3]>
第一行的dat
列如下所示:
FIELD_uniqueName OBS_numValue.x OBS_numValue.y
1: fieldA 5 3
2: fieldB 4 5
3: fieldC 7 5
4: fieldD 5 5
5: fieldE 4 5
6: fieldF 4 4
7: fieldG 5 7
对于主数据表的每一行,我需要创建一些新列,这些新列将基于对嵌套数据表的值进行的计算。
此类新列的三个示例是:
n = .N, # count of rows of the nested data table,
vari = var(OBS_Value.x - OBS_Value.y), # variance of observed values
pvalue = t.test(OBS_Value.x - OBS_Value.y, conf.level = 0.90)$p.value # p-value from t test of observations
我的真实表有超过 1000 万行,因此解决方案需要快速且内存占用相对较低。
预期结果将是:
fertName.x YDRange.x fertName.y YDRange.y dat n vari pvalue
1: fertA 36-80 fertB 36-80 <data.table[7x3]> 7 2.333333 1
实现这一目标的最佳方法是什么?
重现示例数据集的步骤:
library(data.table)
# main data table
dt <- "fertName.x YDRange.x fertName.y YDRange.y
fertA 36-80 fertB 36-80
"
dt <- setDT(read.table(textConnection(dt), sep = " ", header=T, stringsAsFactors=FALSE))
# nested data table
nest.dt <- "FIELD_uniqueName OBS_numValue.x OBS_numValue.y
fieldA 5 3
fieldB 4 5
fieldC 7 5
fieldD 5 5
fieldE 4 5
fieldF 4 4
fieldG 5 7
"
nest.dt <- setDT(read.table(textConnection(nest.dt), sep = " ", header=T, stringsAsFactors=FALSE))
dt$dat <- dt[, list(dat=list(nest.dt))]
我们可以使用lapply
data.table
list
然后在data.table
( x
) 中,根据 OP 代码创建新列 ( :=
)
library(data.table)
dt[, dat := lapply(dat, function(x)
x[, c("n", "vari", "pvalue") := .(.N,
var(OBS_numValue.x - OBS_numValue.y),
t.test(OBS_numValue.x - OBS_numValue.y, conf.level = 0.90)$p.value)])]
-输出
> dt
fertName.x YDRange.x fertName.y YDRange.y dat
1: fertA 36-80 fertB 36-80 <data.table[7x6]>
> dt$dat[[1]]
FIELD_uniqueName OBS_numValue.x OBS_numValue.y n vari pvalue
1: fieldA 5 3 7 2.333333 1
2: fieldB 4 5 7 2.333333 1
3: fieldC 7 5 7 2.333333 1
4: fieldD 5 5 7 2.333333 1
5: fieldE 4 5 7 2.333333 1
6: fieldF 4 4 7 2.333333 1
7: fieldG 5 7 7 2.333333 1
如果它需要在dt
中单独列
dt[, c("n", "vari", "pvalue") := rbindlist(lapply(dat, function(x)
x[, .(.N, var(OBS_numValue.x - OBS_numValue.y), t.test(OBS_numValue.x - OBS_numValue.y, conf.level = 0.90)$p.value)]))]
-输出
> dt
fertName.x YDRange.x fertName.y YDRange.y dat n vari pvalue
1: fertA 36-80 fertB 36-80 <data.table[7x3]> 7 2.333333 1
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.