如何通过每个列与data.table library的列之和来规范化每个列的值?
我有一个如下所示的数据表(dt您只希望将此更改应用于数字列,因此必须标识这些列。然后使用lappy。 这将创建一个新的data.table。Chinsoon的答案将通过引用进行更新-这可能更好,具体取决于场景如何通过每个列与data.table library的列之和来规范化每个列的值?,r,data.table,R,Data.table,我有一个如下所示的数据表(dt您只希望将此更改应用于数字列,因此必须标识这些列。然后使用lappy。 这将创建一个新的data.table。Chinsoon的答案将通过引用进行更新-这可能更好,具体取决于场景 library(data.table) iris_example <- data.table(iris) numeric_cols <- names(iris)[sapply(iris, is.numeric)] iris_example[, lapply(.SD, fun
library(data.table)
iris_example <- data.table(iris)
numeric_cols <- names(iris)[sapply(iris, is.numeric)]
iris_example[, lapply(.SD, function(x) x/sum(x)), .SDcols = numeric_cols]
# if you want to update by reference
iris_example[, (numeric_cols) := lapply(.SD, function(x) x/sum(x)), .SDcols = numeric_cols]
库(data.table)
iris_示例您可以使用get
如下所示:
cols <- paste0("S", 1:4)
dt[, (cols) := lapply(cols, function(x) get(x) / sum(get(x)))]
会话信息:
data.table_1.10.4-3
R version 3.4.4 (2018-03-15)
Platform: x86_64-w64-mingw32/x64 (64-bit)
我们也可以考虑下面的方法,它也适用于基本的R数据帧。
library(data.table)
# Create example data.table
DT <- fread(
"chr gene_id S1 S2 S3 S4
chr1 a 30 50 70 90
chr2 b 40 60 80 100
chr3 c 50 70 90 120
chr4 d 60 80 100 130"
)
# Use lapply to loop through column 3 to 6
DT[, 3:6] <- lapply(DT[, 3:6], function(x) x/sum(x))
print(DT)
# chr gene_id S1 S2 S3 S4
# 1: chr1 a 0.1666667 0.1923077 0.2058824 0.2045455
# 2: chr2 b 0.2222222 0.2307692 0.2352941 0.2272727
# 3: chr3 c 0.2777778 0.2692308 0.2647059 0.2727273
# 4: chr4 d 0.3333333 0.3076923 0.2941176 0.2954545
库(data.table)
#创建示例data.table
DT变化如果你想避免get
-DT[,.SD/lapply(.SD,sum),.SDcols=cols]
事实上我更喜欢你的答案。我认为对于大型数据集来说,它会更快。只需在j
前面添加(数值):=
即可通过引用进行更改。我会将其添加到
library(data.table)
DT <- as.data.table(matrix(rnorm(4*1e7), ncol=4))
#DT <- as.data.table(matrix(rnorm(4*1e4), nrow=4))
library(microbenchmark)
microbenchmark(
DT[, lapply(.SD, function(x) x/sum(x)), .SDcols=names(DT)],
DT[, .SD / lapply(.SD, sum), .SDcols=names(DT)],
DT[, lapply(names(DT), function(x) get(x) / sum(get(x)))],
#if you change ncol to nrow in matrix function above, you will understand why pple always ask you to go long format
melt(DT)[, value / sum(value), by=variable],#[,
#lapply(names(DT), function(x) .SD[variable==x, V1])],
times=3L
)
Unit: milliseconds
expr min lq mean median uq max neval
DT[, lapply(.SD, function(x) x/sum(x)), .SDcols = names(DT)] 245.9107 250.3230 278.4220 254.7353 294.6776 334.6200 3
DT[, .SD/lapply(.SD, sum), .SDcols = names(DT)] 534.5416 540.0630 602.4990 545.5845 636.4777 727.3708 3
DT[, lapply(names(DT), function(x) get(x)/sum(get(x)))] 248.1819 381.0036 440.7233 513.8254 536.9940 560.1625 3
melt(DT)[, value/sum(value), by = variable] 1219.2584 1250.5846 1425.0604 1281.9107 1527.9614 1774.0120 3
data.table_1.10.4-3
R version 3.4.4 (2018-03-15)
Platform: x86_64-w64-mingw32/x64 (64-bit)
library(data.table)
# Create example data.table
DT <- fread(
"chr gene_id S1 S2 S3 S4
chr1 a 30 50 70 90
chr2 b 40 60 80 100
chr3 c 50 70 90 120
chr4 d 60 80 100 130"
)
# Use lapply to loop through column 3 to 6
DT[, 3:6] <- lapply(DT[, 3:6], function(x) x/sum(x))
print(DT)
# chr gene_id S1 S2 S3 S4
# 1: chr1 a 0.1666667 0.1923077 0.2058824 0.2045455
# 2: chr2 b 0.2222222 0.2307692 0.2352941 0.2272727
# 3: chr3 c 0.2777778 0.2692308 0.2647059 0.2727273
# 4: chr4 d 0.3333333 0.3076923 0.2941176 0.2954545