使用R data.Table的表驱动评估

构建和评估针对数据集评估的各种条件表的最佳方法是什么

例如，假设我想识别数据集中的无效行，如下所示：

library("data.table")

# notional example -- some observations are wrong, some missing
set.seed(1)
n = 100 # Number of customers.
        # Also included are "non-customers" where values except cust_id should be NA.
cust <- data.table( cust_id = sample.int(n+1),
                    first_purch_dt =
                      c(sample(as.Date(c(1:n, NA), origin="2000-01-01"), n), NA),
                    last_purch_dt = 
                      c(sample(as.Date(c(1:n, NA), origin="2000-04-01"), n), NA),
                    largest_purch_amt = 
                      c(sample(c(50:100, NA), n, replace=TRUE), NA),
                    last_purch_amt = 
                      c(sample(c(1:65,NA), n, replace=TRUE), NA)
                    )
setkey(cust, cust_id)

这似乎有效，并且在评估中正确处理

NA

s

当我说“最好的方法是什么”时，我在问：

• 这是最好的方法，还是有比

  rbindlist（lappy（…）

  更有效或更惯用的替代方法
• 我目前的方法是否存在缺陷
• 这是否可以写成一个合并或联接，类似于eval上的客户内部联接检查（checks.condition（cust.values））==TRUE
我会这样做：

checks[, cust[eval(parse(text = cond_txt), .SD)][, err_msg := cond_msg], by = cond_id]

---

上面唯一不重要的部分是出现了

.SD

-请参阅以获取解释。
这很有效，非常感谢。我只需要几分钟就明白了原因。如果你同意的话，我可以添加一个简短的解释。当然，如果你不介意快速澄清，请随时告诉我为什么

[，err\u msg:=cond\u msg]

必要吗？换句话说，为什么退出该步骤会完全放弃

cond_msg

，而不是只保留它而不重命名它？是不是因为此时的环境仍然是

cust

，并且我们必须显式地从

检查返回它

？回想一下

检查[，j，by=cond_id]

只对每个

cond\u id

计算

j

，而

j=cust[…]

计算为一个

数据。表

没有错误/cond消息列，所以需要添加它。以上是一种方法。另一种方法是通过=（cond\u id，cond\u msg）执行
。谢谢，这个答案真的证明了

数据表的威力。我根本不确定我能用
dplyr:：internal\u join
或其他方法做到这一点。我想我必须做一个笛卡尔积，然后过滤
eval（）
。
err_obs <- 
  rbindlist(
    lapply(1:nrow(checks), function(i) {
      err_set <- cust[eval( parse(text= checks[i,cond_txt]) ) ,  ]
      cbind(err_set, 
            checks[i, .(err_id = rep.int(cond_id, times = nrow(err_set)),
                        err_msg = rep.int(cond_msg, times = nrow(err_set))
                        )]
            )                
    } )
  )
print(err_obs) # returns desired result

checks[, cust[eval(parse(text = cond_txt), .SD)][, err_msg := cond_msg], by = cond_id]