h2o.ai摘要功能與group_by不兼容

Question

我試圖通過移至R + h2o.ai來（實質上）加速一些R代碼。

我按單個因子變量分組，但是在嘗試計算加窗分位數，偏度或峰度時出現錯誤。

在h2o中是否存在與split-apply-combine方法不兼容的摘要函數列表？ 它僅適用於sql-analog函數，例如sum，count或stdev嗎？

此代碼失敗：

for(i in col_idx_list){
  proc_cols_list <- names(df.hex)[i]

  group_cols_list <- c("group_variable_factor")

  h2o.quantile(x=df.hex[,proc_cols_list])

  temp <- h2o.group_by(data=df.hex,
                       by=group_cols_list,
                       mean(proc_cols_list),
                       var(proc_cols_list),
                       skewness(proc_cols_list),
                       gb.control=list(na.methods="ignore")  )

  if(i ==first_index){
    df_summs <- temp
  } else {
    df_summs <- h2o.cbind(df_summs , temp[,2:ncol(temp)])
  }
}

這段代碼運行良好：

for(i in col_idx_list){
  proc_cols_list <- names(df.hex)[i]

  group_cols_list <- c("group_variable_factor")

  h2o.quantile(x=df.hex[,proc_cols_list])

  temp <- h2o.group_by(data=df.hex,
                       by=group_cols_list,
                       mean(proc_cols_list),
                       var(proc_cols_list),
                       gb.control=list(na.methods="ignore")  )

  if(i ==first_index){
    df_summs <- temp
  } else {
    df_summs <- h2o.cbind(df_summs , temp[,2:ncol(temp)])
  }
}

錯誤文本（為簡潔起見，被截斷）：

ERROR: Unexpected HTTP Status code: 400 Bad Request (url = http://localhost:54321/99/Rapids)
Error in .h2o.doSafeREST(h2oRestApiVersion = h2oRestApiVersion, urlSuffix = page,  : 
ERROR MESSAGE:
No enum constant water.rapids.ast.prims.mungers.AstGroup.FCN.skewness
ERROR: Unexpected HTTP Status code: 404 Not Found (url = http://localhost:54321/3/Frames/RTMP_sid_8712_17?row_count=10)

ERROR MESSAGE:

Object 'RTMP_sid_8712_17' not found for argument: key

Answer 1

該錯誤似乎表明skewness是一個問題。 有關h2o.group_by()中允許的聚合方法的完整列表，請參見文檔的“詳細信息”部分（頁面底部）。

為了方便起見，我在此處添加“詳細信息”部分-您可以看到當前不包括偏斜（如果您有興趣隨意創建JIRA票證，請注意以下幾點）：

詳細信息 對於gb.control中的na.method，有三種可能的設置。 “全部”將在功能計算中包括NA。 “ rm”將完全刪除所有NA字段。 “忽略”將從分子中刪除NA，但保留行以進行計算。 如果提供的列表小於列組的數量，則該列表將由“忽略”填充。 請注意，要在gb.control列表中指定列名列表，必須添加col.names參數。 與na.methods相似，如果長度小於提供的列組數目，則col.names將使用默認列名填充列表。 支持的功能包括nrow。 此函數是必需的，並且接受生成的列的名稱的字符串。 其他受支持的聚合函數接受col和na參數來指定列和NA的處理（“ all”，“ ignore”和GroupBy對象； max計算為groupBy對象的每個組在col中指定的每一列的最大值； mean計算col為GroupBy對象的每一組在col中指定的每一列的平均值； min計算為GroupBy對象的每一組在col中指定的每一列的最小值； mode為GroupBy的每一組計算col所指定的每一列的模式object; sd計算為GroupBy對象的每組在col中指定的每一列的標准差； ss計算為groupBy對象的每組在col中指定的每一列的平方和； sum計算在colB中指定的每組GroupBy對象的平方和。 col代表GroupBy對象的每個組；而var計算為colB指定的每個GroupBy對象的每個組的方差。如果提供的聚合沒有值（例如，以sum（col = X的max 1“，na =” all“）。mean（col =” X5“，na =” all“）。max（）），則假定聚合應應用於除GroupBy列之外的所有列。 但是，將不會對字符串列執行操作。 他們將被跳過。 再次注意，nrow是必需的，不能為空。