data.table
Subsetting di righe per gruppo
Ricerca…
Osservazioni
Un promemoria: DT[where, select|update|do, by] è usato per lavorare con le colonne di un data.table.
- La parte "dove" è l'argomento
i - La parte "select | update | do" è l'argomento
j
Questi due argomenti vengono generalmente passati per posizione anziché per nome.
Selezione di righe all'interno di ciascun gruppo
# example data
DT <- data.table(Titanic)
Supponiamo che, per ciascun sesso, desideriamo le righe con i numeri di sopravvivenza più alti:
DT[Survived == "Yes", .SD[ N == max(N) ], by=Sex]
# Class Sex Age Survived N
# 1: Crew Male Adult Yes 192
# 2: 1st Female Adult Yes 140
.SD è il sottoinsieme di dati associati a ciascun Sex ; e lo stiamo sottolineando ulteriormente, alle file che soddisfano la nostra condizione. Se la velocità è importante, usa invece un approccio suggerito da eddi su SO :
DT[ DT[Survived == "Yes", .I[ N == max(N) ], by=Sex]$V1 ]
# Class Sex Age Survived N
# 1: Crew Male Adult Yes 192
# 2: 1st Female Adult Yes 140
insidie
Nell'ultima riga di codice, .I riferisce ai numeri di riga dell'intero data.table. Tuttavia, questo non è vero quando non c'è nessuno by :
DT[ Survived == "Yes", .I]
# 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
DT[ Survived == "Yes", .I, by=Sex]$I
# 17 18 19 20 25 26 27 28 21 22 23 24 29 30 31 32
Selezione di gruppi
# example data
DT = data.table(Titanic)
Supponiamo di voler vedere solo la seconda classe:
DT[ Class == "2nd" ]
# Class Sex Age Survived N
# 1: 2nd Male Child No 0
# 2: 2nd Female Child No 0
# 3: 2nd Male Adult No 154
# 4: 2nd Female Adult No 13
# 5: 2nd Male Child Yes 11
# 6: 2nd Female Child Yes 13
# 7: 2nd Male Adult Yes 14
# 8: 2nd Female Adult Yes 80
Qui, semplicemente sommiamo i dati usando i , la clausola "where".
Selezione di gruppi in base alla condizione
# example data
DT = data.table(Titanic)
Supponiamo di voler vedere ogni classe solo se sopravvive una maggioranza:
DT[, if (sum(N[Survived=="Yes"]) > sum(N[Survived=="No"]) ) .SD, by=Class]
# Class Sex Age Survived N
# 1: 1st Male Child No 0
# 2: 1st Female Child No 0
# 3: 1st Male Adult No 118
# 4: 1st Female Adult No 4
# 5: 1st Male Child Yes 5
# 6: 1st Female Child Yes 1
# 7: 1st Male Adult Yes 57
# 8: 1st Female Adult Yes 140
Qui, restituiamo il sottoinsieme di dati .SD solo se la nostra condizione è soddisfatta. Un'alternativa è
DT[, .SD[ sum(N[Survived=="Yes"]) > sum(N[Survived=="No"]) ) ], by=Class]
ma questo a volte si è dimostrato più lento.