R data.table将函数应用于所有列对

假设我有一个data.table，例如：（或带有数字和NAs）

实现

及

给出FALSE，因为第六行是S=NA但p=不

现在我的问题。 我想概括一下，检查data.table中的所有对，并打印哪些对是“链接的”。
我更愿意只打印正确的结果，而忽略错误的结果，因为我的realdata.table中的大多数对不会被链接，而且我有550个变量

我尝试过以下代码：

temp[, lapply(.SD, function(x) temp[is.na(x), 
                 lapply(.SD, function(y)  all(is.na(y)) )]]

我得到这个错误

错误：在“temp[，lapply（.SD，函数（x）”中出现意外“]” 温度[是na（x）， lapply（.SD，函数（y）all（is.na（y））]]

我可以尝试使用for循环，但我更喜欢典型的data.table语法。 欢迎提出任何建议

---

我还想知道在嵌套data.table调用时如何引用两个不同的.SD。

我们可以尝试使用

combn

unlist(combn(names(temp), 2, FUN = function(nm)
  list(setNames(temp[is.na(get(nm[1])), all(is.na(get(nm[2])))], paste(nm, collapse="-"))))) 
#   M-P   M-S   P-S 
# FALSE FALSE  TRUE 

---

或者如果我们也需要所有的组合

d1 <- CJ(names(temp), names(temp))[V1!=V2]
d1[,  .(index=temp[is.na(get(V1)), all(is.na(get(V2)))]) , .(V1, V2)]
#    V1 V2 index
#1:  M  P FALSE
#2:  M  S FALSE
#3:  P  M FALSE
#4:  P  S  TRUE
#5:  S  M FALSE
#6:  S  P FALSE

---

d1对于成对组合，
crossprod
似乎仍然有用

我们只关心某个值是否
NA
：

NAtemp = is.na(temp)

比较
NA
s的共存情况：

crossprod(NAtemp)
#  M P S
#M 3 2 2
#P 2 3 3
#S 2 3 5

每列
NA
的数量：

colSums(NAtemp)
#M P S 
#3 3 5

比如：

并使用方便的
as.data.frame.table
格式化：

subset(as.data.frame(as.table(ans)), Var1 != Var2)
#  Var1 Var2  Freq
#2    P    M FALSE
#3    S    M FALSE
#4    M    P FALSE
#6    S    P FALSE
#7    M    S FALSE
#8    P    S  TRUE

难道不可能用data.table完成所有操作吗？（出于速度原因）@skan：的确，所有这些矩阵操作都可能会耗尽内存，但对于550列的情况，我认为应该没有问题。或者，您可以尝试上面的稀疏替代方法--
库（矩阵）；sNAtemp=as（NAtemp，“sparseMatrix”）：crossprod（sNAtemp）=colSums（sNAtemp）
@skan：如果我理解正确，假设
temp$X=c（真、真、真、纳、纳、假、真、假、纳）；temp$Y=c（假、纳、纳、真、真、真、真、假）
，你可以使用，比如说，
NAtemp=is.NA（temp）；crossprod（NAtemp[、c（“M”、“S”、“X”）、NAtemp[、c（“P”、“Y”））
并与
colSums（NAtemp[，c（“M”，“S”，“X”）]）进行比较。
@skan：关于列中没有NA的情况，你是对的；我错过了它。关于你需要的组合，是否总是有两组或更多组，并且你需要对列组进行成对比较？（我假设
ccc
是
mycomb
？）可能最快的方法是在将其传递给
crossprod
/
colSums
之前对
NAtemp
进行子集划分。例如，我猜您可以使用
spl=split（colnames（NAtemp），mycomb）；crossprod（NAtemp[，spl[[1]]，NAtemp[，spl[[2]]，drop=FALSE]）==colSums（NAtemp[，spl[[1]]）
etc..@skan:我认为一个简单的
是.na（temp[，vars_to_change]）=！temp[，vars_to_change]
-其中
vars_to_change
是一个向量，包含用
na
替换0的列名-应该足够了。（我认为前面的语法对“data.table”无效）s、 尽管如此；它可能需要调整，或者，如果数据只是真/假/NA结构，您可以将数据强制为“矩阵”）您的解决方案非常紧凑，并且使用data.table，但我不知道为什么当数据有许多列时（我的数据有500列，但即使只有50列，您也可以看到它）@alexis_laz解决方案的速度快了几个数量级。我认为您的第一个代码combn（names（temp））也需要以反转的变量顺序重复。
crossprod(NAtemp)
#  M P S
#M 3 2 2
#P 2 3 3
#S 2 3 5

colSums(NAtemp)
#M P S 
#3 3 5

ans = crossprod(NAtemp) == colSums(NAtemp)
ans
#      M     P     S
#M  TRUE FALSE FALSE
#P FALSE  TRUE  TRUE
#S FALSE FALSE  TRUE

subset(as.data.frame(as.table(ans)), Var1 != Var2)
#  Var1 Var2  Freq
#2    P    M FALSE
#3    S    M FALSE
#4    M    P FALSE
#6    S    P FALSE
#7    M    S FALSE
#8    P    S  TRUE