R 应用于data.table的行:查找列子集全部为NA的行
在我试图用R 应用于data.table的行:查找列子集全部为NA的行,r,data.table,apply,na,R,Data.table,Apply,Na,在我试图用data.table包重写旧的(慢的)代码的过程中,我试图找出用data.table使用apply的最佳方法 我有一个data.table,它有多个id列,然后是多个具有广泛格式的剂量反应数据的列。我需要概括一下答案,因为并非所有data.tables都有相同数量的剂量-反应列。为了简单起见,我认为下面的data.table解决了这个问题: library(data.table) library(microbenchmark) set.seed(1234) DT1 = data.ta
data.table
包重写旧的(慢的)代码的过程中,我试图找出用data.table使用apply
的最佳方法
我有一个data.table,它有多个id列,然后是多个具有广泛格式的剂量反应数据的列。我需要概括一下答案,因为并非所有data.tables都有相同数量的剂量-反应列。为了简单起见,我认为下面的data.table解决了这个问题:
library(data.table)
library(microbenchmark)
set.seed(1234)
DT1 = data.table(unique_id = paste0('id',1:1e6),
dose1 = sample(c(1:9,NA),1e6,replace=TRUE),
dose2 = sample(c(1:9,NA),1e6,replace=TRUE)
)
> DT1
unique_id dose1 dose2
1: id1 2 2
2: id2 7 4
3: id3 7 9
4: id4 7 4
5: id5 9 3
---
999996: id999996 4 3
999997: id999997 NA 3
999998: id999998 4 2
999999: id999999 8 5
1000000: id1000000 6 7
因此,每一行都有一个唯一的id,一些其他id,我省略了响应列,因为它们将是NA
,其中剂量列是NA
。我需要做的是删除所有剂量列都是NA的行。我想出了第一个选择,然后意识到我可以把它缩减到第二个选择
DT2 <- copy(DT1)
DT3 <- copy(DT1)
len.not.na <- function(x){length(which(!is.na(x)))}
option1 <- function(DT){
DT[,flag := apply(.SD,1,len.not.na),.SDcols=grep("dose",colnames(DT))]
DT <- DT[flag != 0]
DT[ , flag := NULL ]
}
option2 <- function(DT){
DT[ apply(DT[,grep("dose",colnames(DT)),with=FALSE],1,len.not.na) != 0 ]
}
> microbenchmark(op1 <- option1(DT2), op2 <- option2(DT3),times=25L)
Unit: seconds
expr min lq median uq max neval
op1 <- option1(DT2) 8.364504 8.863436 9.145341 11.27827 11.50356 25
op2 <- option2(DT3) 8.291549 8.774746 8.982536 11.15269 11.72199 25
rowSums
绝对更快。我对这个解决方案很满意,除非有人有更快的解决方案 像这样将没有NAs的所有行选择到一个新表中可能更容易。您可以根据您的表格修改“which”条件:
DT2<-(DT1[which(!is.na(DT1$dose1) & !is.na(DT1$dose2)),])
DT2
以前编辑中的Reduce
泛化是错误的,下面是正确的版本:
DT1[(!Reduce("*", DT1[, lapply(.SD, is.na), .SDcols = patterns("dose")]))]
基准
rowsum = function(dt) {
Dose <- grep("dose", colnames(dt))
Flag <- rowSums(is.na(dt[, ..Dose])) != length(Dose)
dt[Flag]
}
reduce = function(dt) {
dt[(!Reduce("*", dt[, lapply(.SD, is.na), .SDcols = patterns("dose")]))]
}
# original data
microbenchmark(rowsum(copy(DT1)), reduce(copy(DT1)), times = 10)
#Unit: milliseconds
# expr min lq median uq max neval
# rowsum(copy(DT1)) 184.4121 190.9895 238.2935 248.0654 266.5708 10
# reduce(copy(DT1)) 141.2399 172.2020 199.1012 219.4567 424.1526 10
# a lot more columns
for (i in 10:100) DT1[, paste0('dose', i) := sample(c(NA, 1:10), 1e6, T)]
microbenchmark(rowsum(copy(DT1)), reduce(copy(DT1)), times = 10)
#Unit: seconds
# expr min lq median uq max neval
# rowsum(copy(DT1)) 4.160035 4.428527 4.505705 4.754398 4.906849 10
# reduce(copy(DT1)) 3.421675 4.172700 4.507304 4.622355 5.156840 10
rowsum=函数(dt){
剂量我的方法如下:
使用rowSums
查找要保留的行:
Dose <- grep("dose", colnames(DT1))
# .. menas "up one level
Flag <- rowSums(is.na(DT1[, ..Dose])) != length(Dose)
DT1[Flag]
您是否尝试过行和数
?您可能会发现这很有用-DT1[!is.na(dose1)|!is.na(dose2)]
?这也会起作用,但应该是&@AnandaMahto我没有想到。它的速度要快一点。这本质上是在R中循环(使用Reduce
),这其实不是必需的,虽然我们可以使用向量化函数。是的,它在列上循环(并且对每列进行向量化)是的,但我们可以做得更好-对所有列进行矢量化:)。Reduce
的伸缩性不好。我不太明白它是如何工作的,但它似乎比rowSums
选项快-请看我的编辑。@Arun你能举个例子说明如何删除Reduce
?只要你只有几列,它就不会不管你是否使用Reduce
。
rowsum = function(dt) {
Dose <- grep("dose", colnames(dt))
Flag <- rowSums(is.na(dt[, ..Dose])) != length(Dose)
dt[Flag]
}
reduce = function(dt) {
dt[(!Reduce("*", dt[, lapply(.SD, is.na), .SDcols = patterns("dose")]))]
}
# original data
microbenchmark(rowsum(copy(DT1)), reduce(copy(DT1)), times = 10)
#Unit: milliseconds
# expr min lq median uq max neval
# rowsum(copy(DT1)) 184.4121 190.9895 238.2935 248.0654 266.5708 10
# reduce(copy(DT1)) 141.2399 172.2020 199.1012 219.4567 424.1526 10
# a lot more columns
for (i in 10:100) DT1[, paste0('dose', i) := sample(c(NA, 1:10), 1e6, T)]
microbenchmark(rowsum(copy(DT1)), reduce(copy(DT1)), times = 10)
#Unit: seconds
# expr min lq median uq max neval
# rowsum(copy(DT1)) 4.160035 4.428527 4.505705 4.754398 4.906849 10
# reduce(copy(DT1)) 3.421675 4.172700 4.507304 4.622355 5.156840 10
Dose <- grep("dose", colnames(DT1))
# .. menas "up one level
Flag <- rowSums(is.na(DT1[, ..Dose])) != length(Dose)
DT1[Flag]