Question

我正在寻找一个尚未实现（据我所知）通过引用在data.table中按组分配的最佳替代方法。使用data.table示例

DT = data.table(x=rep(c("a","b","c"),each=3), y=c(1,3,6), v=1:9)
     x y v
[1,] a 1 1
[2,] a 3 2
[3,] a 6 3
[4,] b 1 4
[5,] b 3 5
[6,] b 6 6
[7,] c 1 7
[8,] c 3 8
[9,] c 6 9

我想添加一个新的列z，包含按x的值分组的f（y，v）（让f（y，v）= mean（y）+ v）。请注意，我不想在

中打印或存储此计算的结果

DT[,mean(y)+v,by=x]
      x        V1
 [1,] a  4.333333
 [2,] a  5.333333
 [3,] a  6.333333
 [4,] b  7.333333
 [5,] b  8.333333
 [6,] b  9.333333
 [7,] c 10.333333
 [8,] c 11.333333
 [9,] c 12.333333

但我想将结果添加到DT：

     x y v        V1
[1,] a 1 1  4.333333
[2,] a 3 2  5.333333
[3,] a 6 3  6.333333
[4,] b 1 4  7.333333
[5,] b 3 5  8.333333
[6,] b 6 6  9.333333
[7,] c 1 7 10.333333
[8,] c 3 8 11.333333
[9,] c 6 9 12.333333

我的data.table有262 MB，这样

DT <- DT[,transform(.SD,mean(y)+v),by=x]

不是一个选项，因为我无法在内存中安装DT两次（我认为这是复制操作所暗示的）。事实是我从未见过这种操作完成。

我有什么替代方案（直到data.table附带DT [，z：= mean（y）+ v，by = x]）？

我刚看过DT [newDT]。这有什么不对？

newDT <- DT[,mean(y)+v,by=x]
      x        V1
 [1,] a  4.333333
 [2,] a  5.333333
 [3,] a  6.333333
 [4,] b  7.333333
 [5,] b  8.333333
 [6,] b  9.333333
 [7,] c 10.333333
 [8,] c 11.333333
 [9,] c 12.333333

（这是可行的记忆。）然后：

> DT[newDT]
setkey(DT,x)
setkey(newDT,x)
x y v        V1
a 1 1  4.333333
a 3 2  4.333333
a 6 3  4.333333
a 1 1  5.333333
a 3 2  5.333333
a 6 3  5.333333
a 1 1  6.333333
a 3 2  6.333333
a 6 3  6.333333
b 1 4  7.333333
b 3 5  7.333333
b 6 6  7.333333
b 1 4  8.333333
b 3 5  8.333333
b 6 6  8.333333
b 1 4  9.333333
b 3 5  9.333333
b 6 6  9.333333
c 1 7 10.333333
c 3 8 10.333333
c 6 9 10.333333
c 1 7 11.333333
c 3 8 11.333333
c 6 9 11.333333
c 1 7 12.333333
c 3 8 12.333333
c 6 9 12.333333

但那不是我想要的。这里有什么错误？

Answer 1

DT[, xm := ave(y, x, FUN=mean) + v]

Answer 2

我会做以下事情：

DT[, list(fvy = mean(y)), by="x"][DT][, fvy := fvy + v]

基本上，我把它分成两部分：首先，我计算y的平均值并将其添加到DT，然后我将v添加到y的平均值。记忆方面我不确定这是否真的有帮助，但作者很有可能看一看并让我们知道; - ）

关于您的问题，为什么它不起作用：基本上，您最终会得到两个要合并的data.tables：DT和newDT。两个data.tables都有三次密钥。很明显，当你合并它们时，每个组合都在结果中，这就是你获得带有9 a，b和c的data.table的原因。

所以要按照你的方式去做，你需要第二把钥匙：

newDT <- DT[,list(fvy=mean(y)+v, v),by=x]
setkey(newDT, x, v)
setkey(DT, x, v)
DT[newDT]
      x v y       fvy
 [1,] a 1 1  4.333333
 [2,] a 2 3  5.333333
 [3,] a 3 6  6.333333
 [4,] b 4 1  7.333333
 [5,] b 5 3  8.333333
 [6,] b 6 6  9.333333
 [7,] c 7 1 10.333333
 [8,] c 8 3 11.333333
 [9,] c 9 6 12.333333

data.table有效替代分组赋值为DT [，x：= f（y），by = z]？

2 个答案: