Question

我正在处理R中相当大的数据集，该数据集分为几个数据帧。

问题是我用整套做了一些事情，有时我只需要处理或修改集合的部分，我的选择器变得非常笨重，等等。

aListOfItems$attribute4([aListOfItems$attribute1 == true & aListOfItems$attribute2 == 6
& aListOfItems$attribute3 == "C"),] <- aListOfItems([aListOfItems$attribute1 == true &   
aListOfItems$attribute2 == 6 & aListOfItems$attribute3 == "C"),aListOfItems$attribute5]
* aListOfItems([aListOfItems$attribute1 == true & aListOfItems$attribute2 == 6 &
aListOfItems$attribute3 == "C"),aListOfItems$attribute7]

（这会将属性4设置为（attribute5 * attribute6）所有条目的所选部分。）

阅读，理解和编辑是非常糟糕的。

由于RAM而将这些分成不同的数据帧并不是真正的选择，因为我会定期刷新这些数据并重建所有单独的数据帧也会很痛苦。

那么，有没有办法像

那样做

items_t6C <- &(aListOfItems([aListOfItems$attribute1 == true & aListOfItems$attribute2
 == 6 & aListOfItems$attribute3 == "C"),]

所以我可以使用

items_t6C$attribute4 <- # do something

或者，也许可以将这样的选择器存储在字符串变量中并使用它？

Answer 1

您可以先构造一个逻辑向量，为其指定一个有意义的名称，然后在命令中使用它。它使您的脚本更长一点，但更容易阅读：

interesting_bit = with(aListOfItems, attribute1 &   
                                     attribute2 == 6 & 
                                     attribute3 == "C")

此外，使用一些缩进也可以使代码更具可读性。

aListOfItems$attribute4[interesting_bit,] <- 
     aListOfItems[interesting_bit,aListOfItems$attribute5]
   * aListOfItems[interesting_bit,aListOfItems$attribute7]

使用within可以提高可读性：

aListOfItems[interesting_bit,] = within(aListOfItems[interesting_bit,], {
      attribute4 = attribute5 * attribute7
   }

此外，对于逻辑，不需要显式测试== true：

interesting_bit = aListOfItems$attribute1 &   
         aListOfItems$attribute2 == 6 & aListOfItems$attribute3 == "C"

这最终减少了这个：

aListOfItems$attribute4([aListOfItems$attribute1 == true & aListOfItems$attribute2 == 6
& aListOfItems$attribute3 == "C"),] <- aListOfItems([aListOfItems$attribute1 == true &   
aListOfItems$attribute2 == 6 & aListOfItems$attribute3 == "C"),aListOfItems$attribute5]
* aListOfItems([aListOfItems$attribute1 == true & aListOfItems$attribute2 == 6 &
aListOfItems$attribute3 == "C"),aListOfItems$attribute7]

到此（注意with的额外用法）：

interesting_bit = with(aListOfItems, attribute1 &   
                                     attribute2 == 6 & 
                                     attribute3 == "C")
aListOfItems[interesting_bit,] = within(aListOfItems[interesting_bit,], {
      attribute4 = attribute5 * attribute7
   }

这段代码不仅看起来不那么令人生畏，而且还能立即传达出你正在做的事情，这很难与原始代码相提并论。

Answer 2

data.table包可能对您有用。

data.table主要通过引用工作。特别是在分配和修改列时。特别是如果你达到RAM限制，data.table的效率是戏剧性的

此外，data.table内置于with within by subset等功能中，使调用更短，代码更具可读性。

例如，上面的cummbersome语句可以简化为：

aDTofItems[attribute1 & attribute2==6 & attribute3=="C", # filter
           attribute4 := attribute5 * attribute6]        # assign

此外，如果您要过滤的属性是表格的key，那么该行甚至更短：

aDTofItems[.(TRUE, 6, "C"),     # filter
           attribute4 := attribute5 * attribute6]   # assign

假设每个元素的结构具有可比性，您可以使用

将列表强制转换为data.table

aDTofItems <- rbindlist(aListOfItems)
# note, if you have factors in your list you should convert them to character before calling rbindlist

# or similarly, although a bit slower 
aDTofItems <- data.table(do.call(rbind, aListOfItems))

R中有快捷键/别名/指针的概念吗？

2 个答案: