data.table
Использование .SD и .SDcols для подмножества данных
Поиск…
Вступление
.SD доступен в j DT[i,j,by] , захватывая S ubset of D ata для каждой by групп, выживших в фильтре, i . .SDcols - помощник. Введите ?`special-symbols` для официальных документов.
замечания
Напоминание: синтаксис DT[where, select|update|do, by] используется для работы с столбцами таблицы данных.
- Часть «где» является аргументом
i - Часть «select | update | do» является аргументом
j
Эти два аргумента обычно передаются положением вместо имени.
Использование .SD и .SDcols
.sd
.SD относится к подмножеству data.table для каждой группы, за исключением всех столбцов , используемых в by .
.SD вместе с lapply может использоваться для применения любой функции к нескольким столбцам по группам в data.table
Мы продолжим использовать тот же встроенный набор данных, mtcars :
mtcars = data.table(mtcars) # Let's not include rownames to keep things simpler
Среднее значение всех столбцов в наборе данных по количеству цилиндров , 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
Помимо cyl , в наборе данных есть другие категориальные столбцы, такие как vs , am , gear и carb . На самом деле нет смысла воспринимать mean этих столбцов. Поэтому давайте исключаем эти столбцы. Это где .SDcols входит в картину.
.SDcols
.SDcols указывает столбцы data.table , которые включены в .SD .
Среднее значение всех столбцов (сплошные столбцы) в наборе данных по количеству передач gear , и количество цилиндров, cyl , устроенных gear и 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
Может быть, мы не хотим вычислять mean по группам. Чтобы вычислить среднее значение для всех автомобилей в наборе данных, мы не укажем переменную 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
Примечание. Нет необходимости заранее определять cols_chosen . .SDcols могут напрямую принимать имена столбцов