Question

在阅读了关于R方法的基准测试和速度比较之后，我正在转换为快速data.table包，以便对我的大型数据集进行数据处理。

我遇到了一项特殊任务的问题：

对于某个观测变量，我想检查每个电台是否绝对滞后差（滞后1）是否大于某个阈值。如果是，我想用NA替换它，否则什么都不做。

我可以使用data.table命令为整个set执行此操作，但我需要通过工作站执行此操作。

示例：

# Example data. Assume the columns are ordered by date.
set.seed(1)
DT <- data.table(station=sample.int(n=3, size=1e6, replace=TRUE), 
                 wind=rgamma(n=1e6, shape=1.5, rate=1/10),
                 other=rnorm(n=1.6),
                 key="station")

# My attempt
max_rate <- 35
set(DT, i=which(c(NA, abs(diff(DT[['wind']]))) > max_rate), 
    j=which(names(DT)=='wind'), value=NA)
# The results
summary(DT)

我的实施问题是我需要通过电台进行此操作，而且我不希望得到电台1的最后一次读数和电台2的第一次读数之间的滞后差异。

我尝试在by=station中使用[ ]运算符，但我不知道如何执行此操作。

Answer 1

一种方法是使用特殊变量.I获取您要替换的行号，然后使用NA运算符通过引用将:=分配给这些行（或set）。

# get the row numbers
idx = DT[, .I[which(c(NA, diff(wind)) > 35)], by=station][, V1]
# then assign by reference
DT[idx, wind := NA_real_]

@eddi提交的

This FR #2793当/如果实现将通过提供表达式来生成LHS上的相应索引和用RHS替换的值时，有更自然的方式来完成此任务。也就是说，在未来，我们应该能够做到：

# in the future - a more natural way of doing the same operation shown above.
DT[, wind[which(c(NA, diff(wind)) > 35)] := NA_real_, by=station]

用R中的data.table查找和替换值？

1 个答案: