Question

我知道这可以通过for循环完成，但我确定在data.table的构造中有一个更优雅的解决方案。

我有两个数据表，并使用'iris'来说明我的问题：

library("data.table")
A <- as.data.table(iris)                      #primary data table
B <- A[Sepal.Width > 3, .N, by = Species]     #count from A meeting condition

head(A, 3)
#       Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#1:          5.1         3.5          1.4         0.2     setosa
#2:          4.9         3.0          1.4         0.2     setosa
#3:          4.7         3.2          1.3         0.2     setosa

B
#      Species  N
#1:     setosa 42
#2: versicolor  8
#3:  virginica 17

我想在B中添加一个新变量，它只是B代表的数据集的比例，即对于第一行，输出将是这样的：

B[, Proportion := N/nrow(A[Species == "setosa"])]

该索引的RHS显然需要是动态的，引用B行中第一列的值。

正是这个迭代让我望而却步（虽然我觉得它可能与数据表键有关吗？）;非常感谢任何帮助！

Answer 1

我会按如下方式处理：

A <- as.data.table(iris)
B <- A[Sepal.Width > 3, .N, by = .("spec" = Species)]

B[, Proportion := N/nrow(A[Species == spec]), by = spec]

给出：

> B
         spec  N Proportion
1:     setosa 42       0.84
2: versicolor  8       0.16
3:  virginica 17       0.34

解释：

通过将Species列重命名为spec，可以防止R＆amp; data.table 从不知道用于计算Proportion的列。
使用by = spec会在spec中使用正确的A[Species == spec]。

Answer 2

一个问题很多解决方案; - ）

library("data.table")
A <- as.data.table(iris)                      #primary data table

B <- A[, .(group.count = nrow(.SD[Sepal.Width > 3]), total.count = .N), by = Species]
         [, Proportion := group.count / total.count]

# Just to validate the total counts:
A[, .N, by = Species][]

结果：

      Species group.count total.count Proportion
1:     setosa          42          50       0.84
2: versicolor           8          50       0.16
3:  virginica          17          50       0.34

工作原理：

首先按物种分组，然后计算每个组（包含在当前组的变量.SD =＆＃34;子数据＆＃34;中），从而将每个组的行再次过滤以仅计数相关的。然后我将结果用于第二个＆＃34;链接＆＃34; data.table查询（在第二个方括号内）来计算比例。

.()运算符是data.table是abrev。列表构造函数list()，因为我返回了多个列，所以需要它。

:=运算符通过引用创建一个新列（=不复制整个数据表=非常快）。

使用另一个data.table引用创建新变量

2 个答案: