R使用列表列重新融合data.table

Question

我有一個大的（數百萬行）熔化的data.table與通常的melt樣式展開variable和value列。 我需要以寬泛的形式轉換表（滾動變量）。 問題是數據表還有一個名為data的列表列，我需要保留它。 這使得無法使用reshape2因為dcast無法處理非原子列。 因此，我需要自己卷起來。

由於列表列，上一個關於使用熔化數據表的問題的答案在這里不適用。

我對我提出的解決方案不滿意。 我正在尋找更簡單/更快實現的建議。

x <- LETTERS[1:3]
dt <- data.table(
  x=rep(x, each=2),
  y='d',
  data=list(list(), list(), list(), list(), list(), list()),
  variable=rep(c('var.1', 'var.2'), 3),
  value=seq(1,6)
  )

# Column template set up
list_template <- Reduce(
  function(l, col) { l[[col]] <- col; l }, 
  unique(dt$variable),
  list())

# Expression set up
q <- substitute({
  l <- lapply(
    list_template, 
    function(col) .SD[variable==as.character(col)]$value)
  l$data = .SD[1,]$data
  l
}, list(list_template=list_template))

# Roll up
dt[, eval(q), by=list(x, y)]

   x y var.1 var.2   data
1: A d     1     2 <list>
2: B d     3     4 <list>
3: C d     5     6 <list>

Answer 1

我有一些欺騙方法可能會做到這一點 - 重要的是，我認為每個x，y，列表組合都是獨一無二的！ 如果沒有，請忽略。

我將創建兩個單獨的數據表，第一個是沒有數據列表對象的數據，第二個只有唯一的數據列表對象和一個鍵。 然后將它們合並在一起以獲得所需的結果。

require(data.table)
require(stringr)
require(reshape2)

x <- LETTERS[1:3]
dt <- data.table(
  x=rep(x, each=2),
  y='d',
  data=list(list("a","b"), list("c","d")),
  variable=rep(c('var.1', 'var.2'), 3),
  value=seq(1,6)
  )


# First create the dcasted datatable without the pesky list objects:
dt_nolist <- dt[,list(x,y,variable,value)]
dt_dcast <- data.table(dcast(dt_nolist,x+y~variable,value.var="value")
                       ,key=c("x","y"))


# Second: create a datatable with only unique "groups" of x,y, list
dt_list <- dt[,list(x,y,data)]

# Rows are duplicated so I'd like to use unique() to get rid of them, but
# unique() doesn't work when there's list objects in the data.table.
# Instead so I cheat by applying a value to each row within an x,y "group" 
# that is unique within EACH group, but present within EVERY group.
# Then just simply subselect based on that unique value.
# I've chosen rank(), but no doubt there's other options

dt_list <- dt_list[,rank:=rank(str_c(x,y),ties.method="first"),by=str_c(x,y)]

# now keep only one row per x,y "group"
dt_list <- dt_list[rank==1]
setkeyv(dt_list,c("x","y"))

# drop the rank since we no longer need it
dt_list[,rank:=NULL]

# Finally just merge back together
dt_final <- merge(dt_dcast,dt_list)

Answer 2

這個古老的問題激起了我的好奇心，因為自2013年以來，數據data.table已經大大改善。

但是，即使使用data.table版本1.11.4

dcast(dt, x + y + data ~ variable)

仍然會返回錯誤

公式中指定的列不能是類型列表

解決方法遵循jonsedar的答案的大致輪廓：

1. 將非列表列從長格式重新格式化為寬格式
2. 聚合按x和y分組的列表列data
3. 在x和y上加入兩個部分結果

但使用實際data.table語法的功能，例如on參數：

dcast(dt, x + y ~ variable)[
  dt[, .(data = .(first(data))), by = .(x, y)], on = .(x, y)] 

  xy var.1 var.2 data 1: A d 1 2 <list> 2: B d 3 4 <list> 3: C d 5 6 <list> 

通過獲取第一個元素來聚合列表列data 。 這符合OP的代碼行

l$data = .SD[1,]$data

這也選擇了第一個元素。