编辑：

Question

我刚在剧本中发现这个警告有点奇怪。

# Warning message:
# In rbindlist(list(DT.1, DT.2)) : NAs introduced by coercion

观察1：这是一个可重现的例子：

require(data.table)
DT.1 <- data.table(x = letters[1:5], y = 6:10)
DT.2 <- data.table(x = LETTERS[1:5], y = 11:15)

# works fine
rbindlist(list(DT.1, DT.2))
#     x  y
#  1: a  6
#  2: b  7
#  3: c  8
#  4: d  9
#  5: e 10
#  6: A 11
#  7: B 12
#  8: C 13
#  9: D 14
# 10: E 15

但是，现在如果我将列x转换为factor（已订购或未订购）并执行相同操作：

DT.1[, x := factor(x)]
rbindlist(list(DT.1, DT.2))
#      x  y
#  1:  a  6
#  2:  b  7
#  3:  c  8
#  4:  d  9
#  5:  e 10
#  6: NA 11
#  7: NA 12
#  8: NA 13
#  9: NA 14
# 10: NA 15
# Warning message:
# In rbindlist(list(DT.1, DT.2)) : NAs introduced by coercion

但rbind做得很好！

rbind(DT.1, DT.2) # where DT.1 has column x as factor
# do.call(rbind, list(DT.1, DT.2)) # also works fine
#     x  y
#  1: a  6
#  2: b  7
#  3: c  8
#  4: d  9
#  5: e 10
#  6: A 11
#  7: B 12
#  8: C 13
#  9: D 14
# 10: E 15

如果列x也是ordered factor，则可以重现相同的行为。由于帮助页?rbindlist说：Same as do.call("rbind",l), but much faster.，我猜这不是理想的行为？

这是我的会话信息：

# R version 3.0.0 (2013-04-03)
# Platform: x86_64-apple-darwin10.8.0 (64-bit)
# 
# locale:
# [1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8
# 
# attached base packages:
# [1] stats     graphics  grDevices utils     datasets  methods   base     
# 
# other attached packages:
# [1] data.table_1.8.8
# 
# loaded via a namespace (and not attached):
# [1] tools_3.0.0

编辑：

观察2：关注@ AnandaMahto的另一个有趣的观察，颠倒了顺序：

# column x in DT.1 is still a factor
rbindlist(list(DT.2, DT.1))
#     x  y
#  1: A 11
#  2: B 12
#  3: C 13
#  4: D 14
#  5: E 15
#  6: 1  6
#  7: 2  7
#  8: 3  8
#  9: 4  9
# 10: 5 10

此处，DT.1中的列被静默强制转换为numeric 修改：为了澄清，这与rbind(DT2, DT1)的行为相同，DT1的列x是一个因素。 rbind似乎保留了第一个参数的类。我将在此处留下这一部分并提及在这种情况下，这是所需的行为，因为rbindlist是rbind的更快实现。

观察3：如果现在，两个列都会转换为因子：

# DT.1 column x is already a factor
DT.2[, x := factor(x)]
rbindlist(list(DT.1, DT.2))
#     x  y
#  1: a  6
#  2: b  7
#  3: c  8
#  4: d  9
#  5: e 10
#  6: a 11
#  7: b 12
#  8: c 13
#  9: d 14
# 10: e 15

此处，来自x的{{1}}列丢失（/替换为DT.2的列）。如果订单相反，则会发生完全相反的情况（DT.1的第x列将替换为DT.1的第x列）。

通常，处理DT.2中的factor列似乎存在问题。

Answer 1

更新 - 此错误（#2650）已于2013年5月17日在v1.8.9中修复

我认为rbindlist应用于因子时，会将因子的数值组合在一起，并仅使用与第一个列表元素关联的级别。

在此错误报告中： http://r-forge.r-project.org/tracker/index.php?func=detail&aid=2650&group_id=240&atid=975

# Temporary workaround: 

levs <- c(as.character(DT.1$x), as.character(DT.2$x))

DT.1[, x := factor(x, levels=levs)]
DT.2[, x := factor(x, levels=levs)]

rbindlist(list(DT.1, DT.2))

另一种观点是：

DT3 <- data.table(x=c("1st", "2nd"), y=1:2)
DT4 <- copy(DT3)

DT3[, x := factor(x, levels=x)]
DT4[, x := factor(x, levels=x, labels=rev(x))]

DT3
DT4

# Have a look at the difference:
rbindlist(list(DT3, DT4))$x
# [1] 1st 2nd 1st 2nd
# Levels: 1st 2nd

do.call(rbind, list(DT3, DT4))$x
# [1] 1st 2nd 2nd 1st
# Levels: 1st 2nd

根据评论编辑：

至于观察1，发生的事情类似于：

x <- factor(LETTERS[1:5])

x[6:10] <- letters[1:5]
x

# Notice however, if you are assigning a value that is already present
x[11] <- "S"  # warning, since `S` is not one of the levels of x
x[12] <- "D"  # all good, since `D` *is* one of the levels of x

Answer 2

rbindlist超快，因为它不会检查rbindfill或do.call(rbind.data.frame,...)

您可以使用这样的解决方法来确保将因子强制转换为字符。

DT.1 <- data.table(x = factor(letters[1:5]), y = 6:10)
DT.2 <- data.table(x = LETTERS[1:5], y = 11:15)


for(ii in seq_along(DDL)){
  ff <- Filter(function(x) is.factor(DDL[[ii]][[x]]), names(DDL[[ii]]))
  for(fn in ff){
    set(DDL[[ii]], j = fn, value = as.character(DDL[[ii]][[fn]]))
    }
  }
 rbindlist(DDL)

或（内存效率较低）

rbindlist(rapply(DDL, classes = 'factor', f= as.character, how = 'replace'))

Answer 3

该错误未在R 4.0.2和data.table 1.13.0中修复。当我尝试rbindlist()的两个DT，其中一个具有因子列时，另一个空，最终结果使该列损坏，并且因子值被破坏（\ n随机出现；级别被破坏，引入了NA）。
解决方法是不要用空的DT重新列出DT，而用也有有效载荷数据的其他DT重新列出DT。尽管这需要一些样板代码。

rbindlist两个data.tables，其中一个有因子，另一个有列的字符类型

编辑：

3 个答案:

更新 - 此错误（#2650）已于2013年5月17日在v1.8.9中修复

根据评论编辑：