R 使用“=”创建一个新列,该列按组跨系数级别执行计算
是否可以使用条件中的键值来创建一个新的列,使用R 使用“=”创建一个新列,该列按组跨系数级别执行计算,r,data.table,R,Data.table,是否可以使用条件中的键值来创建一个新的列,使用:=和数据。表 set.seed(315) DT = data.table(a = factor(LETTERS[rep(c(1:5), 2)]), b = factor(letters[rep(c(1, 2), 5)]), c = rnorm(10), key = c("a", "b")) 它给出了一个如下所示的data.table: > DT a b
:=
和数据。表
set.seed(315)
DT = data.table(a = factor(LETTERS[rep(c(1:5), 2)]),
b = factor(letters[rep(c(1, 2), 5)]),
c = rnorm(10), key = c("a", "b"))
它给出了一个如下所示的data.table
:
> DT
a b c
1: A a 0.11610792
2: A b -2.67495409
3: B a -0.18467740
4: B b 0.79994197
5: C a 0.74565643
6: C b 0.49959003
7: D a 0.04385948
8: D b -2.25996438
9: E a -1.86204824
10: E b 0.11327201
我想创建一个新的列d
,它是a、a和a、b、b、a和b、b等值的差值。我想使用:=
,因为它在大型数据集上的运行速度有多快
通过创建新的数据,我可以得到我正在寻找的d
列。表
s、合并等等,但这感觉很难看
dt.a <- DT[DT[, .I[b == "a"]]]
dt.b <- DT[DT[, .I[b == "b"]]]
dt <- merge(dt.a, dt.b, by = c("a"))
dt <- merge(dt.a, dt.b, by = c("a"))
> dt
a b.x c.x b.y c.y
1: A a 0.11610792 b -2.674954
2: B a -0.18467740 b 0.799942
3: C a 0.74565643 b 0.499590
4: D a 0.04385948 b -2.259964
5: E a -1.86204824 b 0.113272
> dt[, d:= c.x - c.y]
> dt
a b.x c.x b.y c.y d
1: A a 0.11610792 b -2.674954 2.7910620
2: B a -0.18467740 b 0.799942 -0.9846194
3: C a 0.74565643 b 0.499590 0.2460664
4: D a 0.04385948 b -2.259964 2.3038239
5: E a -1.86204824 b 0.113272 -1.9753203
dt.a根据您的输入和您提供的当前解决方案,我建议如下:
DT[, d := diff(rev(c)), by = a]
DT
# a b c d
# 1: A a 0.11610792 2.7910620
# 2: A b -2.67495409 2.7910620
# 3: B a -0.18467740 -0.9846194
# 4: B b 0.79994197 -0.9846194
# 5: C a 0.74565643 0.2460664
# 6: C b 0.49959003 0.2460664
# 7: D a 0.04385948 2.3038239
# 8: D b -2.25996438 2.3038239
# 9: E a -1.86204824 -1.9753203
# 10: E b 0.11327201 -1.9753203
我的天,那很容易。谢谢你@Ananda-这对我很有帮助。我的实际数据集更大,有多个键值,所以这应该会大大加快速度。就速度而言,我认为-diff(c)
会比diff(rev(c))
快。我的microbenchmark ing说它们实际上是一样的,但这是另一种方式。自己做diff的工作,而不是为每个分组调用diff,会更快,这取决于组的数量。