Question

我似乎无法找到有关.EACHI data.table的确切内容的任何文档。我在文档中看到它的简要提及：

已知组子集的聚合特别有效在i中传递这些组并设置by=.EACHI时。当i是 data.table，DT[i,j,by=.EACHI]为j的{{1}}组评估DT i中的每一行都加入。我们将每个i称为分组。

但DT语境中的“群组”是什么意思？是否由DT上设置的密钥确定的组？该组是否每个使用所有列作为键的不同行？我完全理解如何运行类似DT[i,j,by=my_grouping_variable]的内容，但对.EACHI如何工作感到困惑。有人可以解释一下吗？

Answer 1

我已将此添加到列表here中。希望我们能够按计划交付。

原因很可能是by=.EACHI是最新功能（自1.9.4开始），但它所做的不是。让我举个例子来解释一下。假设我们有两个data.tables X和Y：

X = data.table(x = c(1,1,1,2,2,5,6), y = 1:7, key = "x")
Y = data.table(x = c(2,6), z = letters[2:1], key = "x")

我们知道我们可以通过X[Y]加入。这类似于子集操作，但使用data.tables（而不是整数/行名称或逻辑值）。对于Y中的每一行，取Y个键列，它会在X的键列（Y中的+列）中找到并返回相应的匹配行。< / p>

X[Y]
#    x y z
# 1: 2 4 b
# 2: 2 5 b
# 3: 6 7 a

现在让我们说，对于来自Y的关键列（此处只有一个关键列）的每一行，我们希望获得匹配的计数在X。在data.table 的版本中＆lt; 1.9.4 ，我们只需在.N中指定j，即可完成此操作：

# < 1.9.4
X[Y, .N]
#    x N
# 1: 2 2
# 2: 6 1

这个隐式所做的是，在j出现的情况下，评估j-expression的每个匹配结果的X（对应Y中的行{1}}）。这被称为 by-without-by 或 implicit-by ，因为它就好像有一个隐藏的。

问题是这将始终执行by操作。因此，如果我们想知道连接后的行数，那么我们必须这样做：X[Y][ .N]（在这种情况下只是nrow(X[Y])）。也就是说，如果我们不想要j，我们就不能在同一个调用中使用by-without-by表达式。因此，当我们以X[Y, list(z)]为例时，它使用list(z)评估了by-without-by，因此稍慢。

此外，data.table用户要求此明确 - 有关详情，请参阅this和this。

因此添加了by=.EACHI。现在，当我们这样做时：

X[Y, .N]
# [1] 3

它做了它的意图（避免混淆）。它返回连接产生的行数。

和

X[Y, .N, by=.EACHI]

评估j - Y中每一行的匹配行的表达式（对应于Y的关键列的值）。使用which=TRUE可以更容易地看到这一点。

X[.(2), which=TRUE] # [1] 4 5
X[.(6), which=TRUE] # [1] 7

如果我们为每个人运行.N，那么我们应该得到2,1。

X[Y, .N, by=.EACHI]
#    x N
# 1: 2 2
# 2: 6 1

所以我们现在有两个功能。希望这会有所帮助。

data.table中的.EACHI？

1 个答案: