data.table
कम्प्यूटिंग सारांश आँकड़े
खोज…
टिप्पणियों
एक अनुस्मारक: DT[where, select|update|do, by] सिंटैक्स का उपयोग डेटा के स्तंभ के साथ काम करने के लिए किया जाता है।
- "जहां" भाग
iतर्क है - "सेलेक्ट | अपडेट | डू" पार्ट
jतर्क है
इन दो तर्कों को आमतौर पर नाम के बजाय स्थिति से पारित किया जाता है।
समूह द्वारा पंक्तियों की गिनती
# example data
DT = data.table(iris)
DT[, Bin := cut(Sepal.Length, c(4,6,8))]
का उपयोग करते हुए। .N
.N में j सबसेट में पंक्तियों की संख्या को स्टोर करता है। डेटा की खोज करते समय, .N लिए आसान है ...
एक समूह में पंक्तियों को गिनें,
DT[Species == "setosa", .N] # 50या सभी समूहों में पंक्तियों को गिनें,
DT[, .N, by=.(Species, Bin)] # Species Bin N # 1: setosa (4,6] 50 # 2: versicolor (6,8] 20 # 3: versicolor (4,6] 30 # 4: virginica (6,8] 41 # 5: virginica (4,6] 9या उन समूहों को खोजें जिनकी एक निश्चित संख्या में पंक्तियाँ हैं।
DT[, .N, by=.(Species, Bin)][ N < 25 ] # Species Bin N # 1: versicolor (6,8] 20 # 2: virginica (4,6] 9
लापता समूहों को संभालना
हालाँकि, हम शून्य से ऊपर की संख्या वाले समूह को याद कर रहे हैं। यदि वे मायने रखते हैं, तो हम आधार से table उपयोग कर सकते हैं:
DT[, data.table(table(Species, Bin))][ N < 25 ]
# Species Bin N
# 1: virginica (4,6] 9
# 2: setosa (6,8] 0
# 3: versicolor (6,8] 20
वैकल्पिक रूप से, हम सभी समूहों में शामिल हो सकते हैं:
DT[CJ(Species=Species, Bin=Bin, unique=TRUE), on=c("Species","Bin"), .N, by=.EACHI][N < 25]
# Species Bin N
# 1: setosa (6,8] 0
# 2: versicolor (6,8] 20
# 3: virginica (4,6] 9
नोट पर .N :
- इस उदाहरण का उपयोग करता है
.Nमेंj, जहां यह एक सबसेट के आकार को दर्शाता है। -
i, यह पंक्तियों की कुल संख्या को संदर्भित करता है।
कस्टम सारांश
# example data
DT = data.table(iris)
DT[, Bin := cut(Sepal.Length, c(4,6,8))]
मान लें कि हम Sepal.Length के लिए summary फ़ंक्शन आउटपुट चाहते हैं। टिप्पणियों की संख्या के साथ Sepal.Length :
DT[, c(
as.list(summary(Sepal.Length)),
N = .N
), by=.(Species, Bin)]
# Species Bin Min. 1st Qu. Median Mean 3rd Qu. Max. N
# 1: setosa (4,6] 4.3 4.8 5.0 5.006 5.2 5.8 50
# 2: versicolor (6,8] 6.1 6.2 6.4 6.450 6.7 7.0 20
# 3: versicolor (4,6] 4.9 5.5 5.6 5.593 5.8 6.0 30
# 4: virginica (6,8] 6.1 6.4 6.7 6.778 7.2 7.9 41
# 5: virginica (4,6] 4.9 5.7 5.8 5.722 5.9 6.0 9
हमें j को कॉलम की एक सूची बनानी होगी। आमतौर पर, कुछ लोग c , as.list और के साथ खेल रहे हैं . आगे बढ़ने का सही तरीका जानने के लिए पर्याप्त है।
सारांश आंकड़ों को नए कॉलम के रूप में असाइन करना
सारांश तालिका बनाने के बजाय, हम एक सारांश को एक नए कॉलम में संग्रहीत करना चाहते हैं। हम उपयोग कर सकते हैं := हमेशा की तरह। उदाहरण के लिए,
DT[, is_big := .N >= 25, by=.(Species, Bin)]
नुकसान
अयोग्य डेटा
यदि आप अपने आप को स्तंभ नामों को पार्स करना चाहते हैं, जैसे
x.Length/x.Widthx। का अर्थ लें जहांxदस अलग-अलग मान लेता है।
तब आप संभवतः कॉलम नामों में एम्बेडेड डेटा देख रहे हैं, जो एक बुरा विचार है। सुव्यवस्थित डेटा के बारे में पढ़ें और फिर लंबे प्रारूप में फिर से व्यवस्थित करें ।
रोवई समरी
डेटा फ़्रेम और डेटा। टेबल्स डेटा के लिए डेटाटेबल्स को अच्छी तरह से डिज़ाइन किया गया है, जहां पंक्तियाँ चर के लिए टिप्पणियों और स्तंभों के अनुरूप हैं। यदि आप अपने आप को पंक्तियों पर संक्षेप में प्रस्तुत करना चाहते हैं, जैसे
प्रत्येक पंक्ति के लिए स्तंभों में मानक विचलन खोजें।
तब आपको संभवतः पूरी तरह से एक मैट्रिक्स या कुछ अन्य डेटा प्रारूप का उपयोग करना चाहिए।
सारांश समारोह
# example data
DT = data.table(iris)
DT[, Bin := cut(Sepal.Length, c(4,6,8))]
summary सारांश आंकड़ों को ब्राउज़ करने के लिए सारांश आसान है। summary(DT) जैसे प्रत्यक्ष उपयोग के अलावा, इसे प्रति-समूह को split साथ आसानी से लागू किया जा सकता है:
lapply(split(DT, by=c("Species", "Bin"), drop=TRUE, keep.by=FALSE), summary)
# $`setosa.(4,6]`
# Sepal.Length Sepal.Width Petal.Length Petal.Width
# Min. :4.300 Min. :2.300 Min. :1.000 Min. :0.100
# 1st Qu.:4.800 1st Qu.:3.200 1st Qu.:1.400 1st Qu.:0.200
# Median :5.000 Median :3.400 Median :1.500 Median :0.200
# Mean :5.006 Mean :3.428 Mean :1.462 Mean :0.246
# 3rd Qu.:5.200 3rd Qu.:3.675 3rd Qu.:1.575 3rd Qu.:0.300
# Max. :5.800 Max. :4.400 Max. :1.900 Max. :0.600
#
# $`versicolor.(6,8]`
# Sepal.Length Sepal.Width Petal.Length Petal.Width
# Min. :6.10 Min. :2.20 Min. :4.000 Min. :1.20
# 1st Qu.:6.20 1st Qu.:2.80 1st Qu.:4.400 1st Qu.:1.30
# Median :6.40 Median :2.90 Median :4.600 Median :1.40
# Mean :6.45 Mean :2.89 Mean :4.585 Mean :1.42
# 3rd Qu.:6.70 3rd Qu.:3.10 3rd Qu.:4.700 3rd Qu.:1.50
# Max. :7.00 Max. :3.30 Max. :5.000 Max. :1.70
#
# [...results truncated...]
शून्य-गणना समूहों को शामिल करने के लिए, split में drop=FALSE सेट करें।
एक सारांश फ़ंक्शन को कई चर पर लागू करना
# example data
DT = data.table(iris)
DT[, Bin := cut(Sepal.Length, c(4,6,8))]
समूह द्वारा प्रत्येक कॉलम में एक ही सारांश फ़ंक्शन को लागू करने के लिए, हम lapply और .SD उपयोग कर सकते हैं
DT[, lapply(.SD, median), by=.(Species, Bin)]
# Species Bin Sepal.Length Sepal.Width Petal.Length Petal.Width
# 1: setosa (4,6] 5.0 3.4 1.50 0.2
# 2: versicolor (6,8] 6.4 2.9 4.60 1.4
# 3: versicolor (4,6] 5.6 2.7 4.05 1.3
# 4: virginica (6,8] 6.7 3.0 5.60 2.1
# 5: virginica (4,6] 5.8 2.7 5.00 1.9
हम .SDcols तर्क के साथ .SD में कॉलम फ़िल्टर कर सकते हैं:
DT[, lapply(.SD, median), by=.(Species, Bin), .SDcols="Petal.Length"]
# Species Bin Petal.Length
# 1: setosa (4,6] 1.50
# 2: versicolor (6,8] 4.60
# 3: versicolor (4,6] 4.05
# 4: virginica (6,8] 5.60
# 5: virginica (4,6] 5.00
कई सारांश कार्य
वर्तमान में, कई कार्यों के लिए सबसे सरल विस्तार शायद है:
DT[, unlist(recursive=FALSE, lapply(
.(med = median, iqr = IQR),
function(f) lapply(.SD, f)
)), by=.(Species, Bin), .SDcols=Petal.Length:Petal.Width]
# Species Bin med.Petal.Length med.Petal.Width iqr.Petal.Length iqr.Petal.Width
# 1: setosa (4,6] 1.50 0.2 0.175 0.100
# 2: versicolor (6,8] 4.60 1.4 0.300 0.200
# 3: versicolor (4,6] 4.05 1.3 0.525 0.275
# 4: virginica (6,8] 5.60 2.1 0.700 0.500
# 5: virginica (4,6] 5.00 1.9 0.200 0.200
आप नाम की तरह होना चाहते हैं Petal.Length.med के बजाय med.Petal.Length , आदेश को बदल:
DT[, unlist(recursive=FALSE, lapply(
.SD,
function(x) lapply(.(med = median, iqr = IQR), function(f) f(x))
)), by=.(Species, Bin), .SDcols=Petal.Length:Petal.Width]
# Species Bin Petal.Length.med Petal.Length.iqr Petal.Width.med Petal.Width.iqr
# 1: setosa (4,6] 1.50 0.175 0.2 0.100
# 2: versicolor (6,8] 4.60 0.300 1.4 0.200
# 3: versicolor (4,6] 4.05 0.525 1.3 0.275
# 4: virginica (6,8] 5.60 0.700 2.1 0.500
# 5: virginica (4,6] 5.00 0.200 1.9 0.200