R 如何取消data.table中列表列的分组？

提供帮助展开列表列的函数

这类似于kdb中快得多（20倍）的函数

我正在寻找一个类似（但速度要快得多）的函数，假设data.table包含多个列表列，每一行上的元素数量都相同，则该函数将扩展data.table

这是一个扩展

这是我自己的尝试。。。这似乎快了2倍，但应该大大改进

dtUngroup <- function(DT){
  colClasses <- lapply(DT,FUN=class)
  listCols <- colnames(DT)[colClasses=='list']
  if(length(listCols)>0){
    nonListCols <- setdiff(colnames(DT),listCols)
    nbListElem <- unlist(DT[,lapply(.SD,FUN=lengths),.SDcols=(listCols[1L])])
    DT1 <- DT[,lapply(.SD,FUN=rep,times=(nbListElem)),.SDcols=(nonListCols)]
    DT1[,(listCols):=DT[,lapply(.SD,FUN=function(x) do.call('c',x)),.SDcols=(listCols)]]
    return(DT1)
  }
  return(DT)
} 
dtUngroup(DT)[]
   a b                   c  d
1: 1 q 2016-01-09 09:55:14  1
2: 1 q 2016-01-09 09:55:14  1
3: 2 w 2016-01-09 09:55:15 20
4: 2 w 2016-01-09 09:55:15 20
5: 2 w 2016-01-09 09:55:15 20

dtUngroup使用：

给出：

   a b                   c  d
1: 1 q 2016-01-09 12:17:24  1
2: 1 q 2016-01-09 12:17:24  1
3: 2 w 2016-01-09 12:17:25 20
4: 2 w 2016-01-09 12:17:25 20
5: 2 w 2016-01-09 12:17:25 20

当
a
列中的值对于每行不是唯一的时，可以使用：

na.omit(DT[, lapply(.SD, unlist), by=1:nrow(DT)][, c := as.POSIXct(c, origin="1970-01-01")])

基准RCK：

> microbenchmark(dtUngroup(DT)[], jaap())
Unit: milliseconds
            expr      min       lq     mean   median       uq      max neval cld
 dtUngroup(DT)[] 3.935677 4.005596 4.189208 4.066196 4.227372 6.750338   100   b
          jaap() 1.977175 2.039830 2.094536 2.074314 2.132525 2.309848   100  a 

好吧，我不想让你失望。。。请随意起草一个答案……您可以使用：
DT[，lappy（.SD，unlist），by=1:nrow（DT）]
使用
numberAsPOSIXct（）
在
oce
包和Jaap的想法中，您可能想要的是：
DT[，lappy（.SD，unlist），by=1:nrow（DT）][，c:=numberAsPOSIXct（c）][]
为什么这样而不有趣=函数（x）do.call（'c'，x'）？我同意我可以节省2行。。。但是它快得多吗？@jazzurro仅仅使用
asPOSIXct
也能工作。我需要将其封装在一个函数中，以处理多个POSIXct列，我相当确信，对于许多其他类型（例如data.table:：ITime）来说，情况也是如此@statquant以列表列中没有真正的类为例，必须动态地重新转换，这不仅仅是执行DT[，c:=as.whater（c）]。因此，我向你提问，但我不认为问题的答案是1。我们没有得到所需的输出（即使这只是一个is.na距离）2。没有基准3。此解决方案放宽了列的类型（或不为多个列提供解决方案）
na.omit(DT[, lapply(.SD, unlist), by=1:nrow(DT)][, c := as.POSIXct(c, origin="1970-01-01")])

> microbenchmark(dtUngroup(DT)[], jaap())
Unit: milliseconds
            expr      min       lq     mean   median       uq      max neval cld
 dtUngroup(DT)[] 3.935677 4.005596 4.189208 4.066196 4.227372 6.750338   100   b
          jaap() 1.977175 2.039830 2.094536 2.074314 2.132525 2.309848   100  a