Question

在按组切片data.table时，用于切片数据的变量在函数执行期间不在子集中。我使用debugonce来证明这一点。

library(data.table)
x <- data.table(a = rep(letters[1:4], each = 3), b = rep(c("a", "b"), each = 6), c = rnorm(12))

myfun <- function(y) paste(y$a, y$b, y$c, collapse = "")

> debugonce(myfun)
> x[, myfun(.SD), by = .(b, a)]
debugging in: myfun(.SD)
debug: paste(y$a, y$b, y$c, collapse = "")
Browse[2]> y
            c
1: -1.2662416
2:  0.9818497
3: -0.5395385

我所追求的是split-sapply范例的功能，我将根据因子切片data.frame并将该函数应用于所有列，也就是说，包括已经变量的变量用来切片（如下所示）。

> debugonce(myfun)

> sapply(split(x, f = list(x$b, x$a)), FUN = myfun)
debugging in: FUN(X[[i]], ...)
debug: paste(y$a, y$b, y$c, collapse = "")
Browse[2]> y
a b          c
1: a a -1.2662416
2: a a  0.9818497
3: a a -0.5395385

Answer 1

OP有一个函数，它将一个列表作为参数，该列应该包含data.table的所有列，包括用于by中分组的列。

根据help(".SD")：

.SD是一个data.table，其中包含每个组的x数据的子集，排除 by中使用的任何列（或keyby）。

（强调我的）

.BY是一个列表，其中包含by中每个项目的长度为1的向量。如果事先不知道by，这可能很有用。

因此，.BY和.SD相互补充，以访问data.table的所有列。

而不是在函数调用中明确重复by列

x[, myfun(c(list(b, a), .SD)), by = .(b, a)]

我们可以使用

x[, myfun(c(.BY, .SD)), by = .(b, a)]

   b a                                                                 V1
1: a a    a a -1.02091215130492a a -0.295107569536843a a 0.77776326093429
2: a b b a -0.369037832486311b a -0.716211663822323b a -0.264799143319049
3: b c      c b -1.39603530693486c b 1.4707902839894c b 0.721925347069227
4: b d   d b -1.15220308230505d b -0.736782242593426d b 0.420986999145651

OP使用debugonce()来显示传递给myfun()的参数：

> debugonce(myfun)
> x[, myfun(c(.BY, .SD)), by = .(b, a)]
debugging in: myfun(c(.BY, .SD))
debug at #1: paste(y$a, y$b, y$c, collapse = "")
Browse[2]> y
$b
[1] "a"

$a
[1] "a"

$c
[1] -1.0209122 -0.2951076  0.7777633

另一个例子

使用另一个样本数据集和函数，可能更容易举例说明问题的核心：

x <- data.table(a = rep(letters[3:6], each = 3), b = rep(c("x", "y"), each = 6), c = 1:12)
myfun <- function(y) paste(y$a, y$b, y$c, sep = "/", collapse = "-")

x[, myfun(.SD), by = .(b, a)]

   b a             V1
1: x c    //1-//2-//3
2: x d    //4-//5-//6
3: y e    //7-//8-//9
4: y f //10-//11-//12

因此，列b和a确实在输出中显示为分组变量，但它们不会通过.SD传递给函数。

现在，.BY补充.SD

x[, myfun(c(.BY, .SD)), by = .(b, a)]

   b a                   V1
1: x c    c/x/1-c/x/2-c/x/3
2: x d    d/x/4-d/x/5-d/x/6
3: y e    e/y/7-e/y/8-e/y/9
4: y f f/y/10-f/y/11-f/y/12

data.table的所有列都传递给函数。

函数调用

中的单独参数

Roland has suggested将.BY和.SD作为单独的参数传递给函数。实际上，.BY是一个列表对象，.SD是一个data.table对象（它本质上也是一个允许我们使用c(.BY, .SD)的列表）。可能存在差异可能很重要的情况。

为了验证，我们可以定义一个打印str()作为副作用的函数。该函数仅针对第一组（.GRP == 1L）调用。

myfun1 <- function(y) str(y)
x[, if (.GRP == 1L) myfun1(.SD), by = .(b, a)]

Classes ‘data.table’ and 'data.frame':    3 obs. of  1 variable:
 $ c: int  1 2 3
 - attr(*, ".internal.selfref")=<externalptr> 
 - attr(*, ".data.table.locked")= logi TRUE
Empty data.table (0 rows) of 2 cols: b,a

x[, if (.GRP == 1L) myfun1(.BY), by = .(b, a)]

List of 2
 $ b: chr "x"
 $ a: chr "c"
Empty data.table (0 rows) of 2 cols: b,a

x[, if (.GRP == 1L) myfun1(c(.BY, .SD)), by = .(b, a)]

List of 3
 $ b: chr "x"
 $ a: chr "c"
 $ c: int [1:3] 1 2 3
Empty data.table (0 rows) of 2 cols: b,a

其他链接

旁边help(".SD")评论＆amp;对以下SO问题的回答可能很有用：

如何将函数应用于data.table的子集，使用by并将所有列公开给函数？

1 个答案:

另一个例子

函数调用

其他链接