更多data.table * ish * approach

Question

我有data.table，其中包含一些群组。我对每个组进行操作，一些组返回数字，其他组返回NA。出于某种原因，data.table无法将所有内容重新组合在一起。这是一个错误还是我误解了？这是一个例子：

dtb <- data.table(a=1:10)
f <- function(x) {if (x==9) {return(NA)} else { return(x)}}
dtb[,f(a),by=a]

Error in `[.data.table`(dtb, , f(a), by = a) : 
  columns of j don't evaluate to consistent types for each group: result for group 9 has     column 1 type 'logical' but expecting type 'integer'

我的理解是NA与R中的数字兼容，因为很明显我们可以拥有data.table值NA。我知道我可以返回NULL，这样可以正常使用，但问题出在NA上。

Answer 1

来自?NA

NA是长度为1的逻辑常量，包含缺失值指示符。除了原始NA之外，NA可以被强制转换为任何其他矢量类型。还有其他原子向量类型的常量NA_integer_，NA_real_，NA_complex_和NA_character_支持缺失值：所有这些都是R语言中的保留字。

您必须为您的功能指定正确的类型 -

您可以在函数中强制匹配x的类型（请注意，我们需要any才能适用于子集中包含多行的情况！

f <- function(x) {if any((x==9)) {return(as(NA, class(x)))} else { return(x)}}

有用的注意事项

如果您使用:=或set方法，则似乎无需指定NA类型

以下两项都可以使用

dtb <- data.table(a=1:10)
setkeyv(dtb,'a')
dtb[a==9,a := NA]

dtb <- data.table(a=1:10)
setkeyv(dtb,'a')
set(dtb, which(dtb[,a] == 9), 'a', NA)

这提供了一个非常有用的错误消息，让您知道原因和解决方案：

[.data.table中的错误（DTc，J（9），:=（a，NA））： RHS的类型（'逻辑'）必须与LHS（'整数'）匹配。对于最快的情况，检查和强制会对性能产生太大影响。更改目标列的类型，或强制RHS：=自己（例如，使用1L而不是1）

哪个最快

使用合理的大数据集。a原位替换

原位替换

library(data.table)

set.seed(1)
n <- 1e+07
DT <- data.table(a = sample(15, n, T))
setkeyv(DT, "a")
DTa <- copy(DT)
DTb <- copy(DT)
DTc <- copy(DT)
DTd <- copy(DT)
DTe <- copy(DT)

f <- function(x) {
    if (any(x == 9)) {
        return(as(NA, class(x)))
    } else {
        return(x)
    }
}

system.time({DT[a == 9, `:=`(a, NA_integer_)]})
##    user  system elapsed 
##    0.95    0.24    1.20 
system.time({DTa[a == 9, `:=`(a, NA)]})
##    user  system elapsed 
##    0.74    0.17    1.00 
system.time({DTb[J(9), `:=`(a, NA_integer_)]})
##    user  system elapsed 
##    0.02    0.00    0.02 
system.time({set(DTc, which(DTc[, a] == 9), j = "a", value = NA)})
##    user  system elapsed 
##    0.49    0.22    0.67 
system.time({set(DTc, which(DTd[, a] == 9), j = "a", value = NA_integer_)})
##    user  system elapsed 
##    0.54    0.06    0.58 
system.time({DTe[, `:=`(a, f(a)), by = a]})
##    user  system elapsed 
##    0.53    0.12    0.66 
# The are all the same!
all(identical(DT, DTa), identical(DT, DTb), identical(DT, DTc), identical(DT, 
    DTd), identical(DT, DTe))
## [1] TRUE

不出所料，二进制搜索方法是最快的

Answer 2

您也可以这样做：

dtb <- data.table(a=1:10)

mat <- ifelse(dtb == 9,NA,dtb$a)

上面的命令将为您提供矩阵，但您可以将其更改回data.table

new.dtb <- data.table(mat)
new.dtb
     a
 1:   1
 2:   2
 3:   3
 4:   4
 5:   5
 6:   6
 7:   7
 8:   8
 9:  NA
10:  10

希望这有帮助。

Answer 3

如果要为多个变量分配NAs，可以使用approach suggested here：

v_1  <- c(0,0,1,2,3,4,4,99)
v_2  <- c(1,2,2,2,3,99,1,0)
dat  <-  data.table(v_1,v_2)

for(n in 1:2) {
  chari <-  paste0(sprintf('v_%s' ,n), ' %in% c(0,99)')
  charj <- sprintf('v_%s := NA_integer_', n)
  dat[eval(parse(text=chari)), eval(parse(text=charj))]
}

数据表中的NA

3 个答案:

更多data.table * ish * approach

有用的注意事项

这提供了一个非常有用的错误消息，让您知道原因和解决方案：

哪个最快

原位替换