使用R中的data.table有条件地组合列

Question

我有一组有一组植物的数据集。其中两种植物有多条生产线。在分析数据时，我希望有一个专栏可以将两个工厂放在一起，而所有其他工厂都按原样放在一起。这是我可重复的数据集：

testset <- data.table(date=as.Date(c("2013-07-02","2013-08-03","2013-09-04","2013-10-05","2013-11-06")), yr = c(2013,2013,2013,2013,2013), mo = c(07,08,09,10,11), da = c(02,03,04,05,06), plant = LETTERS[1:5], PlantID = c(1,2,3,4,5,1,2,3,6,7), product = as.factor(letters[26:22]), rating = runif(25))

这是我正在寻找的附加列输出：

A1

B2

C3

D4

E5

A1

B2

C3

D6

E7

这是一个简单的例子，但我的真实数据集要大得多，所以我希望有一种优雅的data.table方式来生成它。

Answer 1

使用data.table时，您无需执行此操作。相反，您应该设置key或使用 ad-hoc by（就像我在下面的示例中所示）。这是data.table中操作的关键基础之一。

---

使用by的玩具示例：

请看下面的玩具示例。我们按id和grp变量对评分求和。因此，如果存在重复项，它们会求和，但分组变量的唯一组合将由它们自己处理（因此请注意最后一行的rating和sum_rating的值，它具有唯一的分组变量组合（其他行在您的示例中各有两行）：

# Make this data reproducible
set.seed(1)
dt <- data.table( id = c( rep( 1:2 , 2 ) , 1 ) , grp = c( rep( 1:2 , 2 ) , 3 ) , rating = sample( 5 , 5 , TRUE ) ) 
#   id grp rating
#1:  1   1      4
#2:  2   2      1
#3:  1   1      3
#4:  2   2      4
#5:  1   3      4

# Sum by 'id' and 'grp'...
dt[ , sum_rating := sum( rating ) , by = list( id , grp ) ]
dt
#   id grp rating sum_rating
#1:  1   1      4          7
#2:  2   2      1          5
#3:  1   1      3          7
#4:  2   2      4          5
#5:  1   3      4          4  <=====  rating and sum_rating are the same because this is a unique row

Answer 2

我不明白你想要的输出是什么，但希望这会对你有所帮助。这是一个data.table解决方案，用于查找所有独特的植物系列：

> testset[,unique(paste0(plant, PlantID))]
[1] "A1" "B2" "C3" "D4" "D6" "E5" "E7"