Question

我试图做一件简单的事情，按照他们的意思划分40列data.table。我无法提供实际数据（并非所有列都是数字，而且我有> 8M行），但这里有一个例子：

library(data.table)   

dt <- data.table(matrix(sample(1:100,4000,T),ncol=40))
colmeans <- colMeans(dt)

接下来我以为我会这样做：

for (col in names(colmeans)) dt[,col:=dt[,col]/colmeans[col]]

但是这会返回一个错误，因为dt[,col]要求不引用列名。使用as.name(col)并不会将其删除。现在，

res <- t(t(dt[,1:40,with=F]/colmeans))

包含展开的结果，但我无法将其插回到data.table中，如

dt[,1:40] <- res

不起作用，dt[,1:40:=res, with=F]也不起作用。

以下作品，但我觉得它很难看：

for (i in seq_along(colmeans)) dt[,i:=dt[,i,with=F]/colmeans[i],with=F]

当然，我也可以通过调用data.table()上的res和我的data.table所具有的其他非数字列重新创建一个新的data.table，但他们的效率并不高？

Answer 1

怎么样

dt[, (names(dt)) := lapply(.SD, function(x) x/mean(x))]

如果您需要指定某些列，可以使用

dt[, 1:40 := lapply(.SD, function(x) x/mean(x)), .SDcols = 1:40]

或

cols <- names(dt)[c(1,5,10)]
dt[, (cols) := lapply(.SD, function(x) x/mean(x)), .SDcols = cols]

Answer 2

我们也可以使用set。在这种情况下，使用[.data.table和:=应该没有明显区别，但在必须多次调用[.data.table的情况下，使用set()有助于避免这种情况开销和可能显着加快。

for(j in names(dt)) {
 set(dt, i=NULL, j = j, value = dt[[j]]/mean(dt[[j]]))
}

也可以在选定的列上完成，即

nm1 <- names(dt)[1:5]
for(j in nm1){
 set(dt, i = NULL, j = j, value = dt[[j]]/mean(dt[[j]]))
}

数据

set.seed(24)
dt <- as.data.frame(matrix(sample(1:100,4000,TRUE),ncol=40))
setDT(dt)

Answer 3

dplyr 0.4.3

要按平均值划分所有列，您可以执行以下操作：

dplyr::mutate_each(dt, funs(. / mean(.)))

或者指定列位置：

dplyr::mutate_each(dt, funs(. / mean(.)), 5:10)

或列名：

dplyr::mutate_each_(dt, funs(. / mean(.)), colnames(dt)[5:10])

dplyr 0.4.3.9000

如果您只想划分数字列，则dplyr的devel版本具有mutate_if，该版本对谓词返回TRUE

的列进行操作

dplyr::mutate_if(dt, is.numeric, funs(. / mean(.)))

Answer 4

一点melt和dcast魔法怎么样？这会将数据转换为“长”格式，然后再转换回原始的“宽”格式。

首先，melt ID上的变量：

# make an ID variable
dt[, idvar := 1:nrow(dt)]
# melt the data on the ID variable
dt2 <- melt(dt, "idvar")

然后通过平均操作对每个组进行划分：

# use data.table by = to do a fast division by group mean
dt2[, divByMean := value / mean(value), by = variable]
dt2
## idvar variable value divByMean
## 1:     1       V1    15 0.2859867
## 2:     2       V1    92 1.7540515
## 3:     3       V1    27 0.5147760
## 4:     4       V1     7 0.1334604
## 5:     5       V1    18 0.3431840
## ---                               
## 3996:    96      V40    54 1.1111111
## 3997:    97      V40    51 1.0493827
## 3998:    98      V40    23 0.4732510
## 3999:    99      V40     8 0.1646091
## 4000:   100      V40    11 0.2263374

然后回到原来的宽幅格式：

# now dcast back to "wide"
dt3 <- dcast(dt2, idvar ~ variable, mean, value.var = "divByMean")
dt3[1:5, 1:5]
##   idvar        V1        V2        V3        V4
## 1     1 0.2859867 0.6913303 0.2110919 1.6156624
## 2     2 1.7540515 0.7847534 0.5948954 1.8817715
## 3     3 0.5147760 0.2615845 0.8827480 0.4181715
## 5     5 0.3431840 0.3550075 0.3646133 0.3231325
## 4     4 0.1334604 1.7937220 1.3241220 1.3685611

优雅地更新多个data.table列

4 个答案:

数据