dcast.data.table

Question

给定一个数据框，我试图使用dcast.data.table中的library(data.table)函数从长到宽进行投射。但是，当在公式的左侧使用大数字时，它会如何组合。

以下是一个例子：

df <- structure(list(A = c(10000000007624, 10000000007619, 10000000007745, 
10000000007624, 10000000007767, 10000000007729, 10000000007705, 
10000000007711, 10000000007784, 10000000007745, 10000000007624, 
10000000007762, 10000000007762, 10000000007631, 10000000007762, 
10000000007619, 10000000007628, 10000000007705, 10000000007762, 
10000000007624, 10000000007745, 10000000007706, 10000000007767, 
10000000007777, 10000000007624, 10000000007745, 10000000007624, 
10000000007777, 10000000007771, 10000000007631, 10000000007624, 
10000000007640, 10000000007642, 10000000007708, 10000000007711, 
10000000007745, 10000000007767, 10000000007655, 10000000007722, 
10000000007745, 10000000007762, 10000000007771, 10000000007617
), B = c(4060697L, 7683673L, 7699192L, 1322422L, 7754939L, 7448486L, 
2188027L, 1061376L, 2095950L, 7793530L, 2095950L, 6447861L, 2188027L, 
7448451L, 7428427L, 7516354L, 7067801L, 2095950L, 6740142L, 405911L, 
4057215L, 1061345L, 7754945L, 7501748L, 2188027L, 7780980L, 6651988L, 
6649330L, 6655118L, 6556367L, 6463510L, 2347462L, 7675114L, 6556361L, 
1061345L, 7224099L, 6463515L, 2188027L, 6463515L, 7311234L, 7764971L, 
7224099L, 2347479L), C = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 
3L, 3L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 25L, 2L, 1L, 2L, 
1L, 1L, 1L)), .Names = c("A", "B", "C"), row.names = c(NA, -43L
), class = "data.frame")

df <- as.data.table(df)

output <- dcast.data.table(df, A ~ B, value.var = "C",
                           fun.aggregate = sum, fill = NA)

这将只生成2行10000000007624＆amp; 10000000007784只会在这两个方面总结一切。

使用reshape2::dcast函数时不会发生此错误，此方法会生成正确的结果。

是否有dcast.data.table产生此错误的原因？

Answer 1

问题在github上提出并由@jangorecki回复，这个答案来自setNumericRounding帮助文档。

  

当加入或分组时，data.table将这些数据舍入到apx 11 s.f.对于许多情况来说，这是很多数字。这是通过将有效数字的最后2个字节四舍五入来实现的。

就像我的14位数字大数字，其中四舍五入，因此合并。

正如@jangorecki所提到的，可以通过设置setNumericRounding(0)来避免这种情况。但是，我个人已经将我的大数字重新分类为因素。这对我的特定用例更有意义。

除此之外，@ jangorecki还建议在处理大型数字时使用bit64包。

github上的原始帖子。