data.table
Utilizzo di .SD e .SDcols per il sottoinsieme di dati
Ricerca…
introduzione
.SD è disponibile in j di DT[i,j,by] , catturando l'ubset S di D ata per ciascun by gruppo di superstiti del filtro, i . .SDcols è un aiuto. Digita ?`special-symbols` per i documenti ufficiali.
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.
Utilizzando .SD e .SDcols
.SD
.SD fa riferimento al sottoinsieme di data.table per ciascun gruppo, escludendo tutte le colonne utilizzate by .
.SD insieme a lapply può essere utilizzato per applicare qualsiasi funzione a più colonne per gruppo in un data.table
Continueremo a utilizzare lo stesso set di dati mtcars , mtcars :
mtcars = data.table(mtcars) # Let's not include rownames to keep things simpler
Media di tutte le colonne nel set di dati per numero di cilindri , cyl :
mtcars[ , lapply(.SD, mean), by = cyl]
# cyl mpg disp hp drat wt qsec vs am gear carb
#1: 6 19.74286 183.3143 122.28571 3.585714 3.117143 17.97714 0.5714286 0.4285714 3.857143 3.428571
#2: 4 26.66364 105.1364 82.63636 4.070909 2.285727 19.13727 0.9090909 0.7272727 4.090909 1.545455
#3: 8 15.10000 353.1000 209.21429 3.229286 3.999214 16.77214 0.0000000 0.1428571 3.285714 3.500000
Oltre a cyl , ci sono altre colonne categoriali nel set di dati come vs , am , gear e carb . Non ha senso prendere la mean di queste colonne. Quindi escludiamo queste colonne. Questo è dove .SDcols entra nella foto.
.SDcols
.SDcols specifica le colonne di data.table che sono incluse in .SD .
Media di tutte le colonne (colonne continue) dell'insieme di dati di numero di marce gear , e il numero di cilindri, cyl , disposti da gear e cyl :
# All the continuous variables in the dataset
cols_chosen <- c("mpg", "disp", "hp", "drat", "wt", "qsec")
mtcars[order(gear, cyl), lapply(.SD, mean), by = .(gear, cyl), .SDcols = cols_chosen]
# gear cyl mpg disp hp drat wt qsec
#1: 3 4 21.500 120.1000 97.0000 3.700000 2.465000 20.0100
#2: 3 6 19.750 241.5000 107.5000 2.920000 3.337500 19.8300
#3: 3 8 15.050 357.6167 194.1667 3.120833 4.104083 17.1425
#4: 4 4 26.925 102.6250 76.0000 4.110000 2.378125 19.6125
#5: 4 6 19.750 163.8000 116.5000 3.910000 3.093750 17.6700
#6: 5 4 28.200 107.7000 102.0000 4.100000 1.826500 16.8000
#7: 5 6 19.700 145.0000 175.0000 3.620000 2.770000 15.5000
#8: 5 8 15.400 326.0000 299.5000 3.880000 3.370000 14.5500
Forse non vogliamo calcolare la mean per gruppi. Per calcolare la media per tutte le auto nel set di dati, non specifichiamo la variabile by .
mtcars[ , lapply(.SD, mean), .SDcols = cols_chosen]
# mpg disp hp drat wt qsec
#1: 20.09062 230.7219 146.6875 3.596563 3.21725 17.84875
Nota: non è necessario definire prima cols_chosen . .SDcols può prendere direttamente i nomi delle colonne