data.table
データのサブセットに.SDと.SDcolsを使用する

algorithm apache-spark GNU/Linux MySQL pandas Perl Language Python Language R Language Regular Expressions SQL
サーチ…


前書き

特殊記号.SDで利用可能であるjのDT[i,j,by]毎にDの ATA のS ubsetを捕捉する、 by 、フィルタ生存群i 。 .SDcolsはヘルパーです。公式ドキュメントの場合は?`special-symbols`をタイプして?`special-symbols` 。

備考

注意： DT[where, select|update|do, by]構文は、data.tableの列を操作するために使用されます。

  • "where"部分がi引数です。
  • "select | update | do"部分はj引数です

これらの2つの引数は、通常、名前ではなく位置によって渡されます。

.SDと.SDcolsの使用

。SD

.SDは、 data.tableで使用さbyすべての列を除いて、各グループのdata.tableのサブセットを参照します。

.SDとlapplyは、 data.tableグループdata.tableに複数のカラムに任意の関数を適用するために使用できます

同じ組み込みデータセットmtcarsを引き続き使用しmtcars 。 

mtcars = data.table(mtcars) # Let's not include rownames to keep things simpler

データセット内のすべての列の、 シリンダ数 、 cyl平均： 

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

cylとは別に、 vs 、 am 、 gear 、 carbなどのデータセットには他のカテゴリの列があります。これらの列のmeanを取ることは実際には意味がありません。だから、これらの列を除外しましょう。これは、 .SDcolsが絵になる場所です。

.SDcols

.SDcolsの列を指定data.tableに含まれています.SD 。

歯車の数で、データセットのすべての列（連続列）の平均gear 、及び気筒数 、 cylによって配置、 gearと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

たぶん、グループ別にmeanを計算したくないかもしれません。データセット内のすべての車の平均を計算するために、 by変数は指定しません。 

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

注：事前にcols_chosenを定義する必要はありません。 .SDcolsは列名を直接取ることができます



Modified text is an extract of the original Stack Overflow Documentation
ライセンスを受けた CC BY-SA 3.0
所属していない Stack Overflow