R使用列表列重新融合data.table

时间:2013-01-28 06:29:32

标签: r data.table bigdata reshape

我有一大片(数百万行)融化data.table,通常melt - 样式展开variablevalue列。我需要以宽泛的形式转换表(滚动变量)。问题是数据表还有一个名为data的列表列,我需要保留它。这使得无法使用reshape2,因为dcast无法处理非原子列。因此,我需要自己卷起来。

由于列表列,previous question关于使用融合数据表的答案不适用于此处。

我对我提出的解决方案不满意。我正在寻找更简单/更快实施的建议。

x <- LETTERS[1:3]
dt <- data.table(
  x=rep(x, each=2),
  y='d',
  data=list(list(), list(), list(), list(), list(), list()),
  variable=rep(c('var.1', 'var.2'), 3),
  value=seq(1,6)
  )

# Column template set up
list_template <- Reduce(
  function(l, col) { l[[col]] <- col; l }, 
  unique(dt$variable),
  list())

# Expression set up
q <- substitute({
  l <- lapply(
    list_template, 
    function(col) .SD[variable==as.character(col)]$value)
  l$data = .SD[1,]$data
  l
}, list(list_template=list_template))

# Roll up
dt[, eval(q), by=list(x, y)]

   x y var.1 var.2   data
1: A d     1     2 <list>
2: B d     3     4 <list>
3: C d     5     6 <list>

2 个答案:

答案 0 :(得分:1)

我有一些作弊的方法可以解决这个问题 - 重要的是,我认为每个x,y,列表组合都是独一无二的!如果没有,请忽略。

我将创建两个单独的数据表,第一个是没有数据列表对象的数据,第二个只有唯一的数据列表对象和一个键。然后将它们合并在一起以获得所需的结果。

require(data.table)
require(stringr)
require(reshape2)

x <- LETTERS[1:3]
dt <- data.table(
  x=rep(x, each=2),
  y='d',
  data=list(list("a","b"), list("c","d")),
  variable=rep(c('var.1', 'var.2'), 3),
  value=seq(1,6)
  )


# First create the dcasted datatable without the pesky list objects:
dt_nolist <- dt[,list(x,y,variable,value)]
dt_dcast <- data.table(dcast(dt_nolist,x+y~variable,value.var="value")
                       ,key=c("x","y"))


# Second: create a datatable with only unique "groups" of x,y, list
dt_list <- dt[,list(x,y,data)]

# Rows are duplicated so I'd like to use unique() to get rid of them, but
# unique() doesn't work when there's list objects in the data.table.
# Instead so I cheat by applying a value to each row within an x,y "group" 
# that is unique within EACH group, but present within EVERY group.
# Then just simply subselect based on that unique value.
# I've chosen rank(), but no doubt there's other options

dt_list <- dt_list[,rank:=rank(str_c(x,y),ties.method="first"),by=str_c(x,y)]

# now keep only one row per x,y "group"
dt_list <- dt_list[rank==1]
setkeyv(dt_list,c("x","y"))

# drop the rank since we no longer need it
dt_list[,rank:=NULL]

# Finally just merge back together
dt_final <- merge(dt_dcast,dt_list)

答案 1 :(得分:1)

这个老问题激起了我的好奇心,因为data.table自2013年以来已得到显着改善。

但是,即使使用data.table 1.11.4版

dcast(dt, x + y + data ~ variable)

仍然返回错误

  

公式中指定的列不能为列表类型

解决方法遵循jonsedar's answer的概述:

  1. 将非列表列从长格式更改为宽格式
  2. 汇总按datax分组的列表列y
  3. xy上加入两个部分结果

但使用实际的data.table语法的功能,例如on参数:

dcast(dt, x + y ~ variable)[
  dt[, .(data = .(first(data))), by = .(x, y)], on = .(x, y)] 
   x y var.1 var.2   data
1: A d     1     2 <list>
2: B d     3     4 <list>
3: C d     5     6 <list>

列表列data通过采用第一个元素进行汇总。这符合OP的代码行

l$data = .SD[1,]$data

还将选择第一个元素。