Question

我有一个包含name和class的data.table。每个name属于一个class。这是一个示例数据集。

library(data.table)
DT <- data.table(name = c("John","Smith","Jane","Ruby","Emerald","Jasmine","Tulip"),
             class = c(1,2,3))

我想创建一个列，其中包含一个人所属的班级中的所有学生。这就是我正在做的事情并且它有效。

DT[, class.students := paste(.SD), .SDcols = "name", by = "class"]

我试图理解为什么以下内容不起作用，即它不会评估组中所有name列表中的函数（它只返回name创建列中行的值）

DT[, class.students := paste(name), by = "class"]

特别是下面的max代码按预期工作时，即它会对组中的所有元素进行求值，并为每个组返回相同的值。

DT[, class.students := max(name), by = "class"]

我在这里缺少什么？

编辑：max是一个糟糕的例子，因为它不能以第一种方式使用.SDcols，但我希望我想传达的内容很明确。

Answer 1

.SD是list，因此它会返回一个可能不合适的输出（如果我们检查str）。作为一个小例子

paste(list(letters[1:3])) #not the desirable output
#[1] "c(\"a\", \"b\", \"c\")"

paste(letters[1:3]) #did not change anything
#[1] "a" "b" "c"

但是，paste也有sep和collapse作为参数

paste(letters[1:3], collapse=", ")
#[1] "a, b, c"

使用OP的例子，

DT[, class.students := paste(name, collapse=", "), by = class]

我们建议直接将函数应用于.SD，但如果只有一列，我们可以list将vector转换为[[或转换为unlist与DT[, class.students := paste(unlist(.SD), collapse=", "), by = class]等。

DT[, class.students := paste(.SD[[1]], collapse=", "), by = class]

或者

str(DT)

如果我们检查上述所有内容中的.SD，那就是相同的

关于在list上应用函数的最佳方式 - 正如我们已经提到的那样，它是.SD。当列数更多时，data.frame非常有用。与lapply中一样，当有多个列时，我们使用DT[, class.students := lapply(.SD, paste, collapse=", "), by = class]遍历列并继续

.SDcols

如果只使用了一列列，我们也可以指定.SDcols。这里，在示例中，只有两列，因此不需要str(DT) #Classes ‘data.table’ and 'data.frame': 7 obs. of 3 variables: # $ name : chr "John" "Smith" "Jane" "Ruby" ... # $ class : num 1 2 3 1 2 3 1 # $ class.students: chr "John, Ruby, Tulip" "Smith, Emerald" "Jane, Jasmine" "John, Ruby, Tulip" ... # - attr(*, ".internal.selfref")=<externalptr>。

time

将单个列传递给j并从data.table中选择相同的列有什么区别？

1 个答案: