R 避免合并和临时data.tables:改进我对data.table代码的草率使用
我将一项纵向研究的结果制成表格,在这项纵向研究中,参与者被要求自愿回答4项调查。每个参与者都有一个独特的PartID。每个参与者都被分配一个SectionID(字母)。尝试并完成的调查由StatusID=“Complete”指示。已尝试但未完成的调查由StatusID=“未完成”表示。未尝试调查的参与者将没有记录,但在结果表中该调查将计为“0” 输入数据示例:R 避免合并和临时data.tables:改进我对data.table代码的草率使用,r,merge,data.table,data-munging,R,Merge,Data.table,Data Munging,我将一项纵向研究的结果制成表格,在这项纵向研究中,参与者被要求自愿回答4项调查。每个参与者都有一个独特的PartID。每个参与者都被分配一个SectionID(字母)。尝试并完成的调查由StatusID=“Complete”指示。已尝试但未完成的调查由StatusID=“未完成”表示。未尝试调查的参与者将没有记录,但在结果表中该调查将计为“0” 输入数据示例: PartID SectionID Status SurveyID 1: 100 A Comp
PartID SectionID Status SurveyID
1: 100 A Complete 1
2: 100 A Complete 2
3: 100 A Complete 3
4: 100 A Complete 4
5: 101 B Incomplete 1
6: 101 B Complete 2
7: 101 B Complete 3
8: 101 B Complete 4
9: 102 A Incomplete 1
10: 103 B Incomplete 4
11: 104 B Incomplete 2
12: 105 A Complete 1
13: 105 A Complete 1
14: 105 A Complete 3
下面的代码可以工作,但它非常草率。我假设有一种更干净更优雅的方法来使用data.table来完成这个数据搜索?特别是,我希望避免使用临时变量,以及需要合并两个data.table
library(data.table)
DT <- fread ("PartID,SectionID,Status,SurveyID
100,A,Complete,1
100,A,Complete,2
100,A,Complete,3
100,A,Complete,4
101,B,Incomplete,1
101,B,Complete,2
101,B,Complete,3
101,B,Complete,4
102,A,Incomplete,1
103,B,Incomplete,4
104,B,Incomplete,2
105,A,Complete,1
105,A,Complete,1
105,A,Complete,3\n")
setkey(DT, PartID)
DT2<-DT
setkey(DT2,PartID, SectionID)
DT2<-DT2[Status=="Complete",.(c1=sum(SurveyID==1),c2=sum(SurveyID==2),c3=sum(SurveyID==3), c4=sum(SurveyID==4)), by=.(PartID,SectionID)]
DT3<-DT
setkey(DT3,PartID, SectionID)
DT3<-DT3[Status=="Incomplete",.(i1=sum(SurveyID==1),i2=sum(SurveyID==2),i3=sum(SurveyID==3), i4=sum(SurveyID==4)), by=.(PartID,SectionID)]
DT4<-merge(DT2,DT3, all=TRUE )
DT4[is.na(DT4)] <- 0
DT4
您可以使用
dcast
library(data.table)#v1.9.5+
dcast(DT[, N :=.N,list(PartID, SectionID, SurveyID)][,
Status1:= paste0(tolower(substr(Status,1,1)), SurveyID)],
PartID+SectionID~Status1, value.var='N', length)
# PartID SectionID c1 c2 c3 c4 i1 i2 i4
#1: 100 A 1 1 1 1 0 0 0
#2: 101 B 0 1 1 1 1 0 0
#3: 102 A 0 0 0 0 1 0 0
#4: 103 B 0 0 0 0 0 0 1
#5: 104 B 0 0 0 0 0 1 0
#6: 105 A 2 0 1 0 0 0 0
如果您需要i3
DT1 <- DT[, N :=.N,list(PartID, SectionID, SurveyID)][,
Status1:= paste0(tolower(substr(Status,1,1)), SurveyID)]
DT2 <- data.table(Status1=paste0(rep(c('c', 'i'),each=4), 1:4))
na.omit(dcast(setkey(DT1, Status1)[DT2],
PartID+SectionID~Status1, value.var='N', length))
# PartID SectionID c1 c2 c3 c4 i1 i2 i3 i4
#1: 100 A 1 1 1 1 0 0 0 0
#2: 101 B 0 1 1 1 1 0 0 0
#3: 102 A 0 0 0 0 1 0 0 0
#4: 103 B 0 0 0 0 0 0 0 1
#5: 104 B 0 0 0 0 0 1 0 0
#6: 105 A 2 0 1 0 0 0 0 0
DT1另一个不会改变DT
表的解决方案是:
dt2 <- DT[,.(.N), by=.(PartID,SectionID, SurveyID, Status)]
dcast.data.table(dt2,PartID + SectionID ~ Status + SurveyID, value.var='N', sum)
akrun的解决方案还展示了如何根据需要重命名列。太棒了!谢谢你。我不知道dcast(我在使用data.table方面还是比较新的)。好的,谢谢。我会的。另外,你能解释一下N:=.N和简单的.N(在j中)之间的显著性/差异吗?一个结果是包含状态列。。。我不知道为什么。谢谢如果执行.N
,您将只获得分组
变量和.N
列的输出,因此状态
列将被忽略。这里,我分配了一个新列(N:=.N
),这样它就可以用一个额外的列更改原始数据集。另一个答案包括分组变量中的状态
,但我猜输出与您预期的有差异。谢谢。我仍在熟悉data.table特性,因此这是一个很有用的示例。dcast.data.table
不再是必需的,只是dcast
——至少在1.9.5中是这样
dt2 <- DT[,.(.N), by=.(PartID,SectionID, SurveyID, Status)]
dcast.data.table(dt2,PartID + SectionID ~ Status + SurveyID, value.var='N', sum)
PartID SectionID Complete_1 Complete_2 Complete_3 Complete_4 Incomplete_1 Incomplete_2 Incomplete_4
1: 100 A 1 1 1 1 0 0 0
2: 101 B 0 1 1 1 1 0 0
3: 102 A 0 0 0 0 1 0 0
4: 103 B 0 0 0 0 0 0 1
5: 104 B 0 0 0 0 0 1 0
6: 105 A 2 0 1 0 0 0 0