Question

我想做与解释here相同的操作，即向data.table添加缺失的行。我面临的另一个困难是我希望关键列的数量，即用于自连接的那些行是灵活的。

这是一个小例子，它基本上重复了上面提到的链接：

df <- data.frame(fundID   = rep(letters[1:4], each=6),
                 cfType   = rep(c("D", "D", "T", "T", "R", "R"), times=4),
                 variable = rep(c(1,3), times=12),
                 value    = 1:24)
DT <- as.data.table(df)
idCols <- c("fundID", "cfType")
setkeyv(DT, c(idCols, "variable"))
DT[CJ(unique(df$fundID), unique(df$cfType), seq(from=min(variable), to=max(variable))), nomatch=NA]

困扰我的是最后一行。我希望idCols具有灵活性（例如，如果我在函数中使用它），所以我不想手动键入unique(df$fundID), unique(df$cfType)。但是，我没有找到任何解决方法。根据{{1}}的需要，我尝试自动将df的子集拆分为向量的尝试失败，错误消息 setkeyv中的错误（x，cols，verbose = verbose）：列'V1 '是类型'列表'，它不是（当前）允许作为键列类型。

CJ

我也试过自己构建表达式：

CJ(sapply(df[, idCols], unique))
CJ(unique(df[, idCols]))
CJ(as.vector(unique(df[, idCols])))
CJ(unique(DT[, idCols, with=FALSE]))

但后来我不知道如何使用str <- "" for (i in idCols) { str <- paste0(str, "unique(df$", i, "), ") } str <- paste0(str, "seq(from=min(variable), to=max(variable))") str [1] "unique(df$fundID), unique(df$cfType), seq(from=min(variable), to=max(variable))"。这一切都失败了：

str

有没有人知道一个好的解决方法？

Answer 1

迈克尔的答案很棒。确实需要do.call以这种方式灵活地呼叫CJ，afaik。

要了解表达式构建方法并从代码开始，但删除df$部分（不需要而不是在链接答案中完成，因为i在DT范围内进行评估{1}}）：

str <- "" 
for (i in idCols) { 
  str <- paste0(str, "unique(", i, "), ") 
} 
str <- paste0(str, "seq(from=min(variable), to=max(variable))") 
str 
[1] "unique(fundID), unique(cfType), seq(from=min(variable), to=max(variable))"

然后是：

expr <- parse(text=paste0("CJ(",str,")"))
DT[eval(expr),nomatch=NA]

或者动态地构建和评估整个查询：

eval(parse(text=paste0("DT[CJ(",str,"),nomatch=NA")))

如果这样做很多，那么创建自己的辅助函数可能是值得的：

E = function(...) eval(parse(text=paste0(...)))

将其减少为：

E("DT[CJ(",str,"),nomatch=NA")

Answer 2

我从来没有使用过data.table包，所以请原谅我，如果我在这里错过了标记，但我想我已经得到了它。这里有很多事情要做。首先阅读do.call，它允许您以某种非传统方式评估任何函数，其中参数由提供的列表指定（其中列表中的每个元素在位置上与函数参数匹配，除非明确命名）。另请注意，我必须指定min(df$variable)而不是min(variable)。请阅读Hadley's page on scoping以了解此问题。

CJargs <- lapply(df[, idCols], unique)
names(CJargs) <- NULL
CJargs[[length(CJargs) +1]] <- seq(from=min(df$variable), to=max(df$variable))
DT[do.call("CJ", CJargs),nomatch=NA]

如何在data.table中使用未知数量的键列

2 个答案: