文件组织 - 如何有效地处理一个data.frame上的不同过滤器组合？

Question

我目前在R中进行了大量的描述性分析。我总是使用像df这样的data.table

net <- seq(1,20,by=2)
gross <- seq(2,20,by=2)
color <- c("green", "blue", "white")
height <- c(170,172,180,188)

library(data.table)
df <- data.table(net,gross,color,height)

为了获得结果，我确实应用了很多过滤器。 有时我使用一个过滤器，有时我使用多个过滤器的组合，例如：

df[color=="green" & height>175]

在我的真实data.table中，我有7列和所有类型的过滤器组合。 由于我总是处理相同的data.table，我想找到最有效的方法来过滤数据。

到目前为止，我的文件组织如下（自下而上）：

• 执行级别：使用XL Connect
计算并将结果写入Excel文件的多个具有非常特定作业的R脚本（它们之间没有交互）
• 源文件：此文件接收预过滤的data.table并从执行级别获取所有文件。如果我在执行级别添加/删除文件，则是必要的。
• 过滤文件：阅读data.table并应用一个或多个过滤器，如上所示df_green_high。通过过滤，过滤文件创建一个 新的data.table并使用这个新的过滤表来源“源文件”。

我目前面临挑战，因为我有太多的过滤器文件。有7个变量，有这么多的过滤器组合，所以我迟早会迷路。

• 如何更有效地进行分析（减少“过滤文件”的数量？）

• 如何根据使用的过滤器方便地命名导出的文件？

我已阅读Workflow for statistical analysis and report writing和其他一些类似的问题。但是，在这种情况下，我总是引用相同的基本表，因此应该有一种更有效的方法。我没有CS背景，所以任何帮助都非常感谢。在SOF上，我也读过有关创建package的内容，但我不确定这是否合理。

Answer 1

我通常这样做：

• 创建一个名为“my_case_list”的列表
• 过滤数据，对过滤后的数据进行计算
• 为每个过滤的数据集添加一个名为“case”的列。用一些字符串填写此列，即“case 1：color ==”green“＆amp; height＆gt; 175”
• 将此数据放入my_case_list
• 将列表转换为data.frame like object
• 将结果导出到sql server
• 将结果从sql server导入Excel Pivot表
• 理解结果

尽可能自动化流程。