Question

我遇到的问题是，在data.table中使用用户定义的函数会改变函数输出。我构建了一个具有相同问题的简单版本：

library(data.table)

tmp.f <- function(Date.v){var.v <- Date.v }

dt1 <- data.table( Date = c("2018-05-15","2018-05-16") )
dt1[, tmp := length( tmp.f(Date.v = Date)) ]

dt2 <- data.table( Date = c("2018-05-14","2018-05-15","2018-05-16") )
dt2[, tmp := length( tmp.f(Date.v = Date)) ]

dt1
#         Date tmp
#1: 2018-05-15   2
#2: 2018-05-16   2

dt2
#         Date tmp 
#1: 2018-05-14   3    
#2: 2018-05-15   3    
#3: 2018-05-16   3

我需要该函数简单地从data.table中的Date列中选取相应的日期并计算相应的值（在此示例中为相同的日期）。函数输出的长度应始终为1.但不知何故，它似乎会占用列长度。

（这个例子的构造只是为了显示我在一个更大的函数中存在的问题）

非常感谢。

Answer 1

正如Roman所建议的那样，您可以使用by来获得所需的输出：

dt2[, tmp := length( tmp.f(Date.v = Date)), by = Date ]

length，sum或max等函数将向量作为输入但返回单个值。您的示例中发生的情况是，您的列Date完全传递给tmp.f，然后传递给length，它将输出3作为单个值。然后将其回收以填充tmp列，给人的印象是每行计算length( tmp.f(Date.v = Date))，而它只计算过一次。

使用by与否将主要取决于您应用的函数是否自然地向量化（或者在cumsum的情况下，输出相同长度的向量）：

 dt2[, tmp := as.Date(Date) + 10] # works as expected because function(x){as.Date(x)+10} 
                                  # is naturally vectorized

R：当与data.table一起使用时，函数会改变其输出的长度

1 个答案: