在R中使用data.table有條件地合並列

Question

我有一個包含一組植物的數據集。 這些植物中有兩個具有多條品系。 在分析數據時，我希望有一個列，該列將把具有多行的兩個工廠放在一起，而所有其他工廠保持原樣。 這是我的可復制數據集：

testset <- data.table(date=as.Date(c("2013-07-02","2013-08-03","2013-09-04","2013-10-05","2013-11-06")), yr = c(2013,2013,2013,2013,2013), mo = c(07,08,09,10,11), da = c(02,03,04,05,06), plant = LETTERS[1:5], PlantID = c(1,2,3,4,5,1,2,3,6,7), product = as.factor(letters[26:22]), rating = runif(25))

這是我正在尋找的附加列輸出：

A1

B2

C3

D4

E5

A1

B2

C3

D6

E7

這是一個簡單的示例，但是我的真實數據集要大得多，所以我想用一種優雅的data.table方法來生成它。

Answer 1

使用data.table時， data.table 。 相反，您應該設置一個key或使用即席 by （如我在下面的示例中所示）。 這是data.table中操作的關鍵基礎之一。

---

使用玩具例如by ：

看下面的玩具例子。 我們通過id和grp變量求和。 因此，在存在重復項的地方，它們會被求和，但是分組變量的唯一組合將由它們自己處理（因此請注意，具有唯一分組變量組合的最后一行的rating和sum_rating的值（其他行各有兩行）如您的示例）：

# Make this data reproducible
set.seed(1)
dt <- data.table( id = c( rep( 1:2 , 2 ) , 1 ) , grp = c( rep( 1:2 , 2 ) , 3 ) , rating = sample( 5 , 5 , TRUE ) ) 
#   id grp rating
#1:  1   1      4
#2:  2   2      1
#3:  1   1      3
#4:  2   2      4
#5:  1   3      4

# Sum by 'id' and 'grp'...
dt[ , sum_rating := sum( rating ) , by = list( id , grp ) ]
dt
#   id grp rating sum_rating
#1:  1   1      4          7
#2:  2   2      1          5
#3:  1   1      3          7
#4:  2   2      4          5
#5:  1   3      4          4  <=====  rating and sum_rating are the same because this is a unique row

Answer 2

我不了解您所期望的輸出是什么，但是希望這會對您有所幫助。 這是一個用於查找所有唯一工廠線的data.table解決方案：

> testset[,unique(paste0(plant, PlantID))]
[1] "A1" "B2" "C3" "D4" "D6" "E5" "E7"