Question

我已开始将data.table用于大型人口模型。到目前为止，我印象深刻，因为使用data.table结构会使我的模拟运行时间缩短约30％。我正在尝试进一步优化我的代码并包含一个简化的示例。我的两个问题是：

是否可以将:=运算符与此代码一起使用？
使用:=运算符会更快（但是，如果我能够回答我的第一个问题，我应该能够回答我的问题2！）？

我在运行带有data.table 1.9.4版本的Windows 7的计算机上使用R版本3.1.2。

这是我可重复的例子：

library(data.table)

## Create  example table and set initial conditions
nYears = 10
exampleTable = data.table(Site = paste("Site", 1:3))
exampleTable[ , growthRate := c(1.1, 1.2, 1.3), ]
exampleTable[ , c(paste("popYears", 0:nYears, sep = "")) := 0, ]

exampleTable[ , "popYears0" := c(10, 12, 13)] # set the initial population size

for(yearIndex in 0:(nYears - 1)){
    exampleTable[[paste("popYears", yearIndex + 1, sep = "")]] <- 
    exampleTable[[paste("popYears", yearIndex, sep = "")]] * 
    exampleTable[, growthRate]
}

我正在尝试做类似的事情：

for(yearIndex in 0:(nYears - 1)){
    exampleTable[ , paste("popYears", yearIndex + 1, sep = "") := 
    paste("popYears", yearIndex, sep = "") * growthRate, ] 
}

但是，这不起作用，因为粘贴不适用于data.table，例如：

exampleTable[ , paste("popYears", yearIndex + 1, sep = "")]
# [1] "popYears10"

我查看了data.table documentation。 FAQ的第2.9节使用cat，但这会产生空输出。

exampleTable[ , cat(paste("popYears", yearIndex + 1, sep = ""))]
# [1] popYears10NULL

此外，我尝试搜索Google和rseek.org，但没有找到任何内容。如果我错过了一个明显的搜索词，我会很感激搜索提示。我总是发现搜索R运算符很难，因为搜索引擎不喜欢符号（例如，＆＃34; :=＆＃34;）和＆＃34; R＆＃34;可能很模糊。

Answer 1

## Start with 1st three columns of example data
dt <- exampleTable[,1:3,with=FALSE]

## Run for 1st five years
nYears <- 5
for(ii in seq_len(nYears)-1) {
    y0 <- as.symbol(paste0("popYears", ii))
    y1 <- paste0("popYears", ii+1)
    dt[, (y1) := eval(y0)*growthRate]
}

## Check that it worked
dt
#     Site growthRate popYears0 popYears1 popYears2 popYears3 popYears4 popYears5
#1: Site 1        1.1        10      11.0     12.10    13.310   14.6410  16.10510
#2: Site 2        1.2        12      14.4     17.28    20.736   24.8832  29.85984
#3: Site 3        1.3        13      16.9     21.97    28.561   37.1293  48.26809

修改

由于使用set()来加快这一速度的可能性不断出现在评论中，我将把这个额外的选项扔到那里。

nYears <- 5 ## Things that only need to be calculated once can be taken out of the loop r <- dt[["growthRate"]] yy <- paste0("popYears", seq_len(nYears+1)-1) ## A loop using set() and data.table's nice compact syntax for(ii in seq_len(nYears)) { set(dt, , yy[ii+1], r*dt[[yy[ii]]]) } ## Check results dt # Site growthRate popYears0 popYears1 popYears2 popYears3 popYears4 popYears5 #1: Site 1 1.1 10 11.0 12.10 13.310 14.6410 16.10510 #2: Site 2 1.2 12 14.4 17.28 20.736 24.8832 29.85984 #3: Site 3 1.3 13 16.9 21.97 28.561 37.1293 48.26809

Answer 2

对列名称的挣扎是一个强有力的指标，宽格式可能不是给定问题的最佳选择。因此，我建议以长格式进行计算，并最终将结果从长格式转换为宽格式。

test[test[, Reduce(`&`, lapply(.SD, `>`, 5)), .SDcols = signalcolumns]]

nYears = 10
params = data.table(Site = paste("Site", 1:3),
                    growthRate = c(1.1, 1.2, 1.3), 
                    pop = c(10, 12, 13))
long <- params[CJ(Site = Site, Year = 0:nYears), on = "Site"][
  , growth := cumprod(shift(growthRate, fill = 1)), by = Site][
    , pop := pop * growth][]
dcast(long, Site + growthRate ~ sprintf("popYears%02i", Year), value.var = "pop")

解释

首先，使用交叉连接函数Site growthRate popYears 0 popYears 1 popYears 2 popYears 3 popYears 4 popYears 5 popYears 6 popYears 7 popYears 8 popYears 9 popYears10 1: Site 1 1.1 10 11.0 12.10 13.310 14.6410 16.10510 17.71561 19.48717 21.43589 23.57948 25.93742 2: Site 2 1.2 12 14.4 17.28 20.736 24.8832 29.85984 35.83181 42.99817 51.59780 61.91736 74.30084 3: Site 3 1.3 13 16.9 21.97 28.561 37.1293 48.26809 62.74852 81.57307 106.04499 137.85849 179.21604以及CJ()上的后续右连接，将参数扩展到11年（包括第0年）：

Site

params[CJ(Site = Site, Year = 0:nYears), on = "Site"]

然后，对于每个Site growthRate pop Year 1: Site 1 1.1 10 0 2: Site 1 1.1 10 1 3: Site 1 1.1 10 2 4: Site 1 1.1 10 3 5: Site 1 1.1 10 4 6: Site 1 1.1 10 5 7: Site 1 1.1 10 6 8: Site 1 1.1 10 7 9: Site 1 1.1 10 8 10: Site 1 1.1 10 9 11: Site 1 1.1 10 10 12: Site 2 1.2 12 0 13: Site 2 1.2 12 1 14: Site 2 1.2 12 2 15: Site 2 1.2 12 3 16: Site 2 1.2 12 4 17: Site 2 1.2 12 5 18: Site 2 1.2 12 6 19: Site 2 1.2 12 7 20: Site 2 1.2 12 8 21: Site 2 1.2 12 9 22: Site 2 1.2 12 10 23: Site 3 1.3 13 0 24: Site 3 1.3 13 1 25: Site 3 1.3 13 2 26: Site 3 1.3 13 3 27: Site 3 1.3 13 4 28: Site 3 1.3 13 5 29: Site 3 1.3 13 6 30: Site 3 1.3 13 7 31: Site 3 1.3 13 8 32: Site 3 1.3 13 9 33: Site 3 1.3 13 10 Site growthRate pop Year，分别使用累积乘积函数cumprod()从移位的增长率计算增长。每个Site都需要跳过初始年份。然后通过乘以初始人口来计算人口。

最后，使用Site将data.table从长格式转换为宽格式。使用dcast()创建即时列标题，以确保列的正确顺序。

在data.table中使用：= with paste（）

2 个答案:

解释