Question

我尝试实现与data.table相同的dlply。所以就像一个非常简单的例子：

library(plyr)
library(data.table)
dt <- data.table( p = c("A", "B"), q = 1:2 )

dlply( dt, "p", identity )
$A
  p q
1 A 1

$B
  p q
1 B 2

dt[ , identity(.SD), by = p ]
   p q
1: A 1
2: B 2

foo <- function(x) as.list(x)
dt[ , foo(.SD), by = p ]
   p q
1: A 1
2: B 2

显然，foo的返回值已折叠为一个data.table。我不想使用dlply，因为它将data.tables分割为data.frames到foo，这使得foo内的进一步data.table操作效率低下。

Answer 1

这是一个更加data.table导向的方法：

setkey(dt, p)
dt[, list(list(dt[J(.BY[[1]])])), by = p]$V1
#[[1]]
#   p q
#1: A 1
#
#[[2]]
#   p q
#1: B 2

上面有data.table种风格的替代品，但似乎是最快的 - 这是与lapply的比较：

dt <- data.table( p = rep( LETTERS[1:25], 1E6), q = 25*1E6, key = "p" )
microbenchmark(dt[, list(list(dt[J(.BY[[1]])])), by = p]$V1, lapply(unique(dt$p), function(x) dt[x]), times = 10)
#Unit: seconds
#                                        expr      min       lq   median       uq      max neval
#dt[, list(list(dt[J(.BY[[1]])])), by = p]$V1 1.111385 1.508594 1.717357 1.966694 2.108188    10
#     lapply(unique(dt$p), function(x) dt[x]) 1.871054 1.934865 2.216192 2.282428 2.367505    10

Answer 2

试试这个：

> split(dt, dt[["p"]])
$A
   p q
1: A 1

$B
   p q
1: B 2

Answer 3

关于G.格洛腾迪克的答案，我很好奇分裂的表现如何：

dt <- data.table( p = rep( LETTERS[1:25], 1E6), q = 25*1E6, key = "p" )

system.time(
  ll <- split(dt, dt[ ,p ] )
)
  user  system elapsed 
  5.237   1.340   6.563 

system.time(
  ll <- lapply( unique(dt[,p]), function(x) dt[x] )
)
  user  system elapsed 
  1.179   0.363   1.541

所以，如果没有更好的答案，我会坚持使用

lapply( unique(dt[,p]), function(x) dt[x] )

相当于data.table中的dlply

3 个答案: