在data.table，R中，“ dplyr Mutate”等效于什么？

Question

目标数据表如下：

#DT
NO    GROUP   KEY          TYPE  <--- Create this column
12-19  N      1701         INN
10-20  N      1602         INN
13     P      1501John     BANK
14     R      1408Mary     POOL
15     G      1408Peter    PARK
19     K      1408Paul     BANK
25     P      1708         OTHER
36     R      1503         OTHER

步骤1：使用col：KEY从另一个表中查找TYPE信息

DT[,"TYPE":= RefDT[match(DT$KEY,Ref$KEY),2]]

# RefDT like below :

KEY          TYPE
1609TOM      PARK
1501John     BANK
1408Mary     POOL
1408Peter    PARK
1408Paul     BANK
1309Sue      POOL

• 与KEY不匹配的行变为NA ＃

步骤2：创建下一个群组信息，而不会覆盖步骤1的结果

*如果Col：No包含“-”，则TYPE为“ INN”。

DT[,TYPE:= ifelse(grepl("-",DT$No),"INN",TYPE)]

第3步：在不覆盖第1和第2步结果的情况下突变其余NA行

*如果Col：GROUP为“ P”或“ R”，TYPE为“ Other”，则步骤1规则将覆盖此规则。这就是为什么即使某些行在Col：GROUP中也包含“ P”或“ R”的原因，但是如果\ KEY的有效键有效，它们的TYPE不会改变。

DT <- DT[is.na(TYPE),] %>% mutate(TYPE = ifelse(grepl("P|R",GROUP),"OTHER",TYPE)) %>%
  rbind(DT[!is.na(TYPE),])

data.table中第3步的等效方法是什么？

由于实际数据集包含200万行，因此我需要更快 实现此的方法。欢迎使用任何有效的脚本来 总结了三个笨拙的脚本，它们只能创建一列。

Answer 1

如果我们使用的是data.table，请通过'KEY'和'RefDT'指定（:=-与mutate类似）的'RefDT'中的'TYPE'进行联接。在“ DT”中创建“ TYPE”列。如果没有匹配项，则默认情况下将使用NA进行填充。然后通过在i中指定逻辑条件来进行后续分配（grepl("-", NO)-在“否”列中检查-，在“组”中检查“ P”或“ R”其中“ TYPE”为NA）

setDT(DT)[RefDT, TYPE := TYPE, on = .(KEY)]
DT[grepl("-", NO), TYPE := "INN"
       ][is.na(TYPE) & grepl("P|R", GROUP), TYPE := "OTHER"][]
#      NO GROUP       KEY  TYPE
#1: 12-19     N      1701   INN
#2: 10-20     N      1602   INN
#3:    13     P  1501John  BANK
#4:    14     R  1408Mary  POOL
#5:    15     G 1408Peter  PARK
#6:    19     K  1408Paul  BANK
#7:    25     P      1708 OTHER
#8:    36     R      1503 OTHER

数据

DT <- structure(list(NO = c("12-19", "10-20", "13", "14", "15", "19", 
"25", "36"), GROUP = c("N", "N", "P", "R", "G", "K", "P", "R"
), KEY = c("1701", "1602", "1501John", "1408Mary", "1408Peter", 
"1408Paul", "1708", "1503")), .Names = c("NO", "GROUP", "KEY"
), row.names = c(NA, -8L), class = "data.frame")


RefDT <- structure(list(KEY = c("1609TOM", "1501John", "1408Mary", "1408Peter", 
"1408Paul", "1309Sue"), TYPE = c("PARK", "BANK", "POOL", "PARK", 
"BANK", "POOL")), .Names = c("KEY", "TYPE"), 
 class = "data.frame", row.names = c(NA, 
-6L))