Question

在下面的data.table中，我了解参与项目的团队的组成。变量id告诉团队ID，变量event给出项目编号。变量freqrel描述了团队的组成（你可以看到freqrel在每个团队中加起来为1）。

structure(list(id = c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 
4L, 4L, 5L, 5L, 5L), event = c("127b", "127b", "127b", "127b", 
"127b", "127b", "127b", "127b", "127b", "125t", "125t", "125t", 
"125t", "125t", "125t"), membr = c("engineer", "mathematician", 
"physicist", "mathematician", "physicist", "surgeon", "dentist", 
"mathematician", "programmer", "physicist", "sociologist", "surgeon", 
"musician", "sociologist", "surgeon"), freqrel = c(0.4, 0.4, 
0.2, 0.166666666666667, 0.5, 0.333333333333333, 0.333333333333333, 
0.5, 0.166666666666667, 0.75, 0.125, 0.125, 0.444444444444444, 
0.444444444444444, 0.111111111111111)), .Names = c("id", "event", 
"membr", "freqrel"), row.names = c(NA, -15L), class = c("data.table", 
"data.frame"), sorted = c("id", "event"), .internal.selfref = <pointer: 0x039a24a0>)

我看到数据的方式被拆分为嵌套组。第一个分区发生在项目级别（直线），第二个分支发生在团队级别（虚线）。

    id event         membr   freqrel
 1:  1  127b      engineer 0.4000000
 2:  1  127b mathematician 0.4000000
 3:  1  127b     physicist 0.2000000
--------------------------------------
 4:  2  127b mathematician 0.1666667
 5:  2  127b     physicist 0.5000000
 6:  2  127b       surgeon 0.3333333
--------------------------------------
 7:  3  127b       dentist 0.3333333
 8:  3  127b mathematician 0.5000000
 9:  3  127b    programmer 0.1666667
_____________________________________
10:  4  125t     physicist 0.7500000
11:  4  125t   sociologist 0.1250000
12:  4  125t       surgeon 0.1250000
--------------------------------------
13:  5  125t      musician 0.4444444
14:  5  125t   sociologist 0.4444444
15:  5  125t       surgeon 0.1111111

从这个起始条件开始，我想让同一个项目中的团队完全具有可比性，通过向他们每个人添加团队没有特征的membr类型，为他们分配freqrel = 0。结果应该是这样的：

    id event         membr   freqrel
 1:  1  127b       dentist 0.0000000  
 2:  1  127b      engineer 0.4000000
 3:  1  127b mathematician 0.4000000
 4:  1  127b     physicist 0.2000000
 5:  1  127b    programmer 0.0000000
 6:  1  127b       surgeon 0.0000000
--------------------------------------
 7:  2  127b       dentist 0.0000000  
 8:  2  127b      engineer 0.0000000
 9:  2  127b mathematician 0.1666667
 10: 2  127b     physicist 0.5000000
 11: 2  127b    programmer 0.0000000
 12: 2  127b       surgeon 0.3333333    
--------------------------------------
 13: 3  127b       dentist 0.3333333 
 14: 3  127b      engineer 0.0000000
 15: 3  127b mathematician 0.5000000
 16: 3  127b     physicist 0.0000000
 17: 3  127b    programmer 0.1666667
 18: 3  127b       surgeon 0.0000000   
_____________________________________
 19: 4  125t      musician 0.0000000
 20: 4  125t     physicist 0.7500000
 21: 4  125t   sociologist 0.1250000
 22: 4  125t       surgeon 0.1250000
--------------------------------------
 23: 5  125t      musician 0.4444444
 24: 5  125t     physicist 0.0000000
 25: 5  125t   sociologist 0.4444444
 26: 5  125t       surgeon 0.1111111

换句话说，在使用by作为关键字将数据除以event之后，我需要再次划分并比较通过第二次拆分获得的数据块。但问题在于我不知道如何引用用by获得的第一个块，然后再如何再次拆分并在数据库的各个部分之间进行比较。你知道我怎么能解决这个问题吗？

如果你能帮助我，我会非常感激。真。

Answer 1

这是一个简单的方法：

setkey(dt, id, membr)
ans <- dt[, .SD[CJ(unique(id), unique(membr))], by=list(event)]

然后，您可以将NA替换为0＆＃39; s，如下所示：

ans[is.na(freqrel), freqrel := 0.0]

一些解释：您的问题可归结为此问题 - 对于每个event，您需要id, membr的所有可能组合，以便您可以在其中对此全部组合执行联接使用.SD分组。

首先，我们按event进行分组，然后我们首先在id, membr的帮助下获得CJ的所有组合（其中的密钥将设置为所有列默认）。但是，要执行连接，我们需要为.SD设置密钥。因此，我们会事先将key dt设置为id, membr。因此，我们在每个组中执行连接，并为您提供预期的结果。希望这有点帮助。

使用data.table嵌套分组

1 个答案: