Question

考虑

target <- "vs"
value <- 1

library(data.table)
dt <- as.data.table(head(mtcars))

所以我试图将列名和值作为变量传递到j环境中的data.table表达式中，这相当于

dt[, vs == 1]
# [1] FALSE FALSE  TRUE  TRUE FALSE  TRUE

如果只有值是变量，那么它可以正常工作

dt[, vs == value]
# [1] FALSE FALSE  TRUE  TRUE FALSE  TRUE

当data.table范围是变量

时，我们也可以在data.table范围内调用该列

dt[, target, with = FALSE]
#    vs
# 1:  0
# 2:  0
# 3:  1
# 4:  1
# 5:  0
# 6:  1

但我无法想出如何以简单的方式将两者结合起来

注意：我很清楚我可以做到：

dt[[target]] == value
# [1] FALSE FALSE  TRUE  TRUE FALSE  TRUE

但是我需要在数据表范围内，所以我可以通过引用修改其他列，比如

dt[, NEWCOL := sum(vs == 1), by = am]

所以这里是我的尝试，当列名和值都是变量

dt[, target == value, with = FALSE]
# Null data.table (0 rows and 0 cols)
dt[, target == value]
# [1] FALSE
dt[, (target) == value]
# [1] FALSE
dt[, .(target == value)]
# V1
# 1: FALSE
dt[, eval(target) == value]
# [1] FALSE
dt[target %in% value]
## Empty data.table (0 rows) of 11 cols: mpg,cyl,disp,hp,drat,wt...

最终我想出了

dt[, .SD[[target]] == value]
# [1] FALSE FALSE  TRUE  TRUE FALSE  TRUE

但效率非常低，这是一个简单的基准

set.seed(123)
n <- 1e6
dt <- data.table(vs = sample(1L:30L, n, replace = TRUE), am = seq_len(n))
system.time(dt[, NEWCOL := sum(.SD[[target]] == value), by = am])
#  user  system elapsed 
# 13.00    0.02   13.12 
system.time(dt[, NEWCOL2 := sum(vs == value), by = am])
# user  system elapsed 
# 0.82    0.00    0.83

问题：有没有更好的方法可以让我在这里失踪？更具惯用性或效率更高的东西

修改

最初我正在寻找一些惯用的东西，所以我认为使用get的@GGrothendieck简单解决方案是唯一的，但令人惊讶的是所有@Richard版本都击败了 ins＆＃t; t 对列名进行任何评估

set.seed(123)
n <- 1e7
dt <- data.table(vs = sample(1L:30L, n, replace = TRUE), am = seq_len(n))

cl <- substitute(
  x == y, 
  list(x = as.name(target), y = value)
)
cl2 <- call("==", as.name(target), value)

system.time(dt[, NEWCOL := sum(vs == value), by = am])
#   user  system elapsed 
#   0.83    0.00    0.82 
system.time(dt[, NEWCOL1 := sum(.SD[[target]] == value), by = am])
#   user  system elapsed 
#   8.97    0.00    8.97 
system.time(dt[, NEWCOL2 := sum(get(target) == value), by = am])
#   user  system elapsed 
#   2.35    0.00    2.37 
system.time(dt[, NEWCOL3 := sum(eval(cl)), by = am])
#   user  system elapsed 
#   0.69    0.02    0.71 
system.time(dt[, NEWCOL4 := sum(eval(cl2)), by = am])
#   user  system elapsed 
#   0.76    0.00    0.77 
system.time(dt[, NEWCOL5 := sum(eval(as.name(target)) == value), by = am])
#   user  system elapsed 
#   0.78    0.00    0.78

Answer 1

这是一种可能的替代方案。

target <- "vs"
value <- 1
dt <- as.data.table(head(mtcars))

就代码而言，它不一定更简单，但我们可以设置在cl范围之外定义的未评估的调用dt，该调用将在数据表中进行评估＆＃39 ;环境。

cl <- substitute(
    x == y, 
    list(x = as.name(target), y = value)
)

对于较长的表达式，可能需要

substitute()。但在这种情况下，call()会缩短代码并创建相同的cl结果。所以cl也可能是

cl <- call("==", as.name(target), value)

现在我们可以评估cl内的dt。在你的例子中，这似乎工作正常。

dt[, NEWCOL := sum(eval(cl)), by = am][]
#     mpg cyl disp  hp drat    wt  qsec vs am gear carb NEWCOL
# 1: 21.0   6  160 110 3.90 2.620 16.46  0  1    4    4      1
# 2: 21.0   6  160 110 3.90 2.875 17.02  0  1    4    4      1
# 3: 22.8   4  108  93 3.85 2.320 18.61  1  1    4    1      1
# 4: 21.4   6  258 110 3.08 3.215 19.44  1  0    3    1      2
# 5: 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2      2
# 6: 18.1   6  225 105 2.76 3.460 20.22  1  0    3    1      2

在考虑了这一分钟后，我不确定value是否需要替换，因此以下内容也有效。但正如大卫所说，第一种方法更有时间效率。

dt[, eval(as.name(target)) == value]
# [1] FALSE FALSE  TRUE  TRUE FALSE  TRUE

在`data.table`中的`j`表达式中评估列名和目标值

1 个答案: