R data.table使用任何

我正在处理一个数据集，这个数据集很大，有很多列。我正在使用data.table加速计算。但是，在某些情况下，我不确定如何将data.table转换回data.frame并进行计算。这会减慢进程。如果能就如何在data.table中编写下面的内容提出建议，将会有很大帮助。下面是我的代码在虚拟数据上的快照-

library(data.table)

#### set the seed value
set.seed(9901)

#### create the sample variables for creating the data
p01 <- sample(1:100,1000,replace = T)
p02 <- sample(1:100,1000,replace = T)
p03 <- sample(1:100,1000,replace = T)
p04 <- sample(1:100,1000,replace = T)
p05 <- sample(1:100,1000,replace = T)
p06 <- sample(1:100,1000,replace = T)
p07 <- sample(1:100,1000,replace = T)

#### create the data.table
data <- data.table(cbind(p01,p02,p03,p04,p05,p06,p07))

###user input for last column
lcol <- 6

###calculate start column as last - 3
scol <- lcol-3

###calculate average for scol:lcol
data <- data[,avg:= apply(.SD,1,mean,na.rm=T),.SDcols=scol:lcol]

###converting to data.frame since do not know the solution in data.table
data <- as.data.frame(data)

###calculate the trend in percentage
data$t01 <- data[,lcol-00]/data[,"avg"]-1
data$t02 <- data[,lcol-01]/data[,"avg"]-1
data$t03 <- data[,lcol-02]/data[,"avg"]-1
data$t04 <- data[,lcol-03]/data[,"avg"]-1
data$t05 <- data[,lcol-04]/data[,"avg"]-1

###converting back to data.table
data <- as.data.table(data)

###calculate the min and max for the trend
data1 <- data[,`:=` (trend_min = apply(.SD,1,min,na.rm=T),
                     trend_max = apply(.SD,1,max,na.rm=T)),.SDcols=c(scol:lcol)]

###calculate flag if any of t04 OR t05 is an outlier for min and max values. This would be many columns in actual data

data1$flag1 <- ifelse(data1$t04 < data1$trend_min | data1$t04 > data1$trend_max,1,0)
data1$flag2 <- ifelse(data1$t05 < data1$trend_min | data1$t05 > data1$trend_max,1,0)

data1$flag <- ifelse(data1$flag1 == 1 | data1$flag2 == 1,1,0)

库（data.table）
####设置种子值
种子集（9901）
####创建用于创建数据的示例变量
p01一些步骤可以变得更有效，即不使用
apply
和
MARGIN=1
，
mean
，
min
，
max
可以替换为
rowMeans
，
pmin
，
pmax

library(data.table)
data[ , avg:= rowMeans(.SD, na.rm = TRUE) ,.SDcols=scol:lcol]
data[,   sprintf('t%02d', 1:5) := lapply(.SD, function(x) x/avg -1), 
          .SDcol = patterns("^p0[1-5]")]
data[,`:=` (trend_min = do.call(pmin, c(.SD,na.rm=TRUE)),
            trend_max =  do.call(pmax, c(.SD,na.rm=TRUE)) ),.SDcols=c(scol:lcol)]
data
#      p01 p02 p03 p04 p05 p06 p07   avg         t01         t02        t03         t04        t05 trend_min trend_max
#   1:  35  53  22  82 100  59  69 65.75 -0.46768061 -0.19391635 -0.6653992  0.24714829  0.5209125        22       100
#   2:  78  75  15  65  70  69  66 54.75  0.42465753  0.36986301 -0.7260274  0.18721461  0.2785388        15        70
#   3:  15  45  27  61  63  75  99 56.50 -0.73451327 -0.20353982 -0.5221239  0.07964602  0.1150442        27        75
#   4:  41  80  13  22  63  84  17 45.50 -0.09890110  0.75824176 -0.7142857 -0.51648352  0.3846154        13        84
#   5:  53   9  75  47  25  75  66 55.50 -0.04504505 -0.83783784  0.3513514 -0.15315315 -0.5495495        25        75
#  ---                                                                                                                
# 996:  33  75   9  61  74  55  57 49.75 -0.33668342  0.50753769 -0.8190955  0.22613065  0.4874372         9        74
# 997:  24  68  74  11  43  75  37 50.75 -0.52709360  0.33990148  0.4581281 -0.78325123 -0.1527094        11        75
# 998:  62  78  82  97  56  50  74 71.25 -0.12982456  0.09473684  0.1508772  0.36140351 -0.2140351        50        97
# 999:  70  88  93   4  39  75  93 52.75  0.32701422  0.66824645  0.7630332 -0.92417062 -0.2606635         4        93
#1000:  20  50  99  94  62  66  98 80.25 -0.75077882 -0.37694704  0.2336449  0.17133956 -0.2274143        62        99

然后创建“标志”

data[,  flag := +(Reduce(`|`, lapply(.SD, function(x) 
      x < trend_min| x > trend_max))), .SDcols = t04:t05]

data[，flag:=+（Reduce（`|`），lapply（.SD，函数（x）
xtrend_max）），.SDcols=t04:t05]
I将
apply（.SD，1，mean
更改为
data[，aveg:=rowMeans（.SD，na.rm=TRUE），.SDcols=…]
和
min/max
计算更改为
do.call（pmin.SD）
和
do.call（pmax.SD）
我认为这些步骤将大大增强您的efficiency@akrun，谢谢你的建议…我也必须计算SD，我没有得到类似rowSD的东西，所以为了保持一致，我使用了apply…使用RowsMeans有什么额外的好处吗？如果你将它从
matrixStats
转换为matrix，就会有
rowSD
根据你的ifelse代码，它是在同一个“t04”上执行的。这是一个打字错误。你是说t05吗？@akrun谢谢你指出它。更新了应该是的代码t05@user1412它只是将逻辑强制为二进制，即
TRUE/FALSE
强制为
1/0
，或者可以使用
as.integer
完成。也许您需要
映射（
/
，.SD[，-1，with=FALSE]，.SD[，-ncol（.SD），with=FALSE）
@user1412在这里，您要对4列进行除法。因此您需要
数据[，sprintf（'t%02d'，1:4）：=Map（
/
，.SD[，-1，with=FALSE]，.SD[，-ncol（.SD），with=FALSE]），.SDcol模式（^p0[1-5]）
只需执行
Map（函数（x，y））x/y-1、.SD[-1，with=FALSE]、.SD[，-ncol（.SD），with=FALSE]）
非常感谢您……您让它变得如此简单……有很多东西要向您学习：）@user1412这里的
-ncol
正在删除最后一列，
-1
正在删除
.SD
的第一列。它的长度是相同的