Attribuer plusieurs colonnes à l'aide de := dans les données.table, par groupe

Quelle est la meilleure façon d'affecter à plusieurs colonnes à l'aide data.table? Par exemple:

f <- function(x) {c("hi", "hello")}
x <- data.table(id = 1:10)

Je voudrais faire quelque chose comme ceci (bien sûr, cette syntaxe est incorrecte):

x[ , (col1, col2) := f(), by = "id"]

Et pour prolonger, je risque d'avoir beaucoup de colonnes avec les noms stockés dans une variable (disons col_names) et je voudrais faire:

x[ , col_names := another_f(), by = "id", with = FALSE]

Quelle est la bonne façon de faire quelque chose comme cela?

  • Cela ressemble comme il a été répondu: stackoverflow.com/questions/11308754/...
  • Alex, la réponse est proche, mais il ne semble pas fonctionner en combinaison avec by comme @Christoph_J est correct de dire. Lien à votre question, ajouté à FR#2120 "Drop besoin avec=FALSE pour LHS de :=", donc il ne sera pas oublié de le revoir.
  • Pour être clair, f() est une fonction retournant plusieurs valeurs, une pour chacun de vos colonnes.
InformationsquelleAutor Alex | 2012-07-27
  1. 138

    Cela fonctionne à présent en v1.8.3 sur R-Forge. Merci pour mettre en évidence la!

    x <- data.table(a = 1:3, b = 1:6) 
f <- function(x) {list("hi", "hello")} 
x[ , c("col1", "col2") := f(), by = a][]
#    a b col1  col2
# 1: 1 1   hi hello
# 2: 2 2   hi hello
# 3: 3 3   hi hello
# 4: 1 4   hi hello
# 5: 2 5   hi hello
# 6: 3 6   hi hello

x[ , c("mean", "sum") := list(mean(b), sum(b)), by = a][]
#    a b col1  col2 mean sum
# 1: 1 1   hi hello  2.5   5
# 2: 2 2   hi hello  3.5   7
# 3: 3 3   hi hello  4.5   9
# 4: 1 4   hi hello  2.5   5
# 5: 2 5   hi hello  3.5   7
# 6: 3 6   hi hello  4.5   9 

mynames = c("Name1", "Longer%")
x[ , (mynames) := list(mean(b) * 4, sum(b) * 3), by = a]
#     a b col1  col2 mean sum Name1 Longer%
# 1: 1 1   hi hello  2.5   5    10      15
# 2: 2 2   hi hello  3.5   7    14      21
# 3: 3 3   hi hello  4.5   9    18      27
# 4: 1 4   hi hello  2.5   5    10      15
# 5: 2 5   hi hello  3.5   7    14      21
# 6: 3 6   hi hello  4.5   9    18      27

    x[ , mynames := list(mean(b) * 4, sum(b) * 3), by = a, with = FALSE][] # same
#    a b col1  col2 mean sum Name1 Longer%
# 1: 1 1   hi hello  2.5   5    10      15
# 2: 2 2   hi hello  3.5   7    14      21
# 3: 3 3   hi hello  4.5   9    18      27
# 4: 1 4   hi hello  2.5   5    10      15
# 5: 2 5   hi hello  3.5   7    14      21
# 6: 3 6   hi hello  4.5   9    18      27

x[ , get("mynames") := list(mean(b) * 4, sum(b) * 3), by = a][]  # same
#    a b col1  col2 mean sum Name1 Longer%
# 1: 1 1   hi hello  2.5   5    10      15
# 2: 2 2   hi hello  3.5   7    14      21
# 3: 3 3   hi hello  4.5   9    18      27
# 4: 1 4   hi hello  2.5   5    10      15
# 5: 2 5   hi hello  3.5   7    14      21
# 6: 3 6   hi hello  4.5   9    18      27

x[ , eval(mynames) := list(mean(b) * 4, sum(b) * 3), by = a][]   # same
#    a b col1  col2 mean sum Name1 Longer%
# 1: 1 1   hi hello  2.5   5    10      15
# 2: 2 2   hi hello  3.5   7    14      21
# 3: 3 3   hi hello  4.5   9    18      27
# 4: 1 4   hi hello  2.5   5    10      15
# 5: 2 5   hi hello  3.5   7    14      21
# 6: 3 6   hi hello  4.5   9    18      27
    • Merci pour cette réponse et les exemples. Comment dois-je modifier la ligne suivante pour obtenir deux colonnes pour chaque objectName de la faible production, plutôt que d'une seule colonne avec deux lignes? data.table(objectName=ls())[,c("rows","cols"):=dim(get(objectName)),by=objectName] (Je suis en utilisant data.table 1.8.11)
    • retourne un vecteur afin de conversion que pour le type de list devrait faire tourner; par exemple,[,c("rows","cols"):=as.list(dim(get(objectName))),by=objectNa‌​me]. La difficulté est que as.list a l'appel de la surcharge et de la copie de la petite vecteur. Si l'efficacité est un problème que le nombre de groupes augmente alors s'il vous plaît laissez-nous savoir.
    • Merci @Matt_Dowle. J'avais essayé list mais pas as.list. La vitesse n'est pas un problème. Voulais juste un moyen rapide de trouver des objets dans l'environnement qui a eu un certain nombre de colonnes ou de lignes. C'est hors sujet, mais... que pensez-vous de l'ajout de NCOL à tables()?
    • Excellente idée, c'est fait. Juste engage à v1.9.3 sur R-Forge.
    • Salut Matt. Le premier exemple dans votre deuxième bloc de code (c'est à dire x[,mynames:=list(mean(b)*4,sum(b)*3),by=a,with=FALSE][]) envoie maintenant un message d'avertissement, alors peut-être l'enlever? Sur une note connexe, quelqu'un a suggéré que, avec options(datatable.WhenJisSymbolThenCallingScope=TRUE), une assignation comme x[,mynames:=list(mean(b)*4,sum(b)*3),by=a] devrait travailler en fait? Semble que ce serait cohérent avec les autres changements, mais je suppose que cela peut casser trop de code d'utilisateur existant (?).
    • Matt supprimé cette option en réponse à un bug peu de temps après votre commentaire, fyi github.com/Rdatatable/data.table/issues/1952
    • pouvez-vous faire en sorte que cette syntaxe serait trop de travail? x[, .(Col1, Col2) := 'somevalue'] Ceci est particulièrement utile parce que vous pouvez ensuite utiliser RStudio de la saisie semi-automatique pour les noms de colonne à mesure que vous tapez.
    • Semble être une bonne idée, devrait être possible. Veuillez déposer une demande de fonctionnalité sur GitHub ici - merci.
    • Je ne pense pas que par=a est nécessaire; je ne sais pas pourquoi il serait. J'ai essayé et cela a fonctionné.
    • Sans by=a cela va fonctionner, mais en retour une réponse différente. Le mean(a) et sum(a) agrégats sont recyclés à l'intérieur de chaque groupe lors de la by=a. Sans by=a il ne s'en tient qu'à la mean et sum pour l'ensemble de la colonne dans chaque cellule (différents numéros).
    • que faire si ma fonction retourne déjà nommé liste, est-il de toute façon je peux ajouter des colonnes à la dt sans avoir à les nommer de nouveau? par exemple, f <- function(x) {list("c"="salut", "d"="bonjour")} aura des résultats d'impression nommé cols avec x[ , f(), by = a][] . Je ne sais pas comment faire pour ajouter le résultat à la dt.
    • Ce qui serait une bonne nouvelle question qui serait susceptible de mener à une demande de fonctionnalité déposé sur GitHub. Peut-être quelque chose comme x[, {ans=f(); names(ans):=ans}, by=a] pourraient être mises en œuvre. Cette syntaxe exprime l'intention tout à fait bien à mes yeux. Ce que vous en pensez?
    • Pourquoi utilisez-vous mynames avec et sans les parenthèses? Est-il une différence?
    • attribue à la colonne appelée "mynames". (mynames):= attribue le nom de la colonne tenue dans le mynames variable dans le contexte appelant.

    InformationsquelleAutor Matt Dowle
  2. 31

    Le raccourci suivant la notation pourrait être utile. Tout le crédit va à Andrew Brooks, plus particulièrement cet article.

    dt[,`:=`(avg=mean(mpg), med=median(mpg), min=min(mpg)), by=cyl]
    • Rapide , Clair , Simple , le code impressionnant.
    InformationsquelleAutor Gerry