为数据表（R）中的每一行获取最后1的索引
我目前正在尝试适应为数据表（R）中的每一行获取最后1的索引,r,data.table,R,Data.table,我目前正在尝试适应R中的data.table包。我想获取数据表每行中最后一个1的索引，比如a，然后将新列添加到a。我的代码如下： a = data.table(matrix(sample(c(0,1),500,rep=T),50,10)) a[,ind:=apply(a==1,1,function(x) max(which(x)))] 尽管如此，我认为这可以通过使用更多的data.table语法以一种简单的方式编写。因此，我的问题是：如果j组件中没有apply函数，如何实现这一点[？好
Rdata.table1aa a = data.table(matrix(sample(c(0,1),500,rep=T),50,10))
a[,ind:=apply(a==1,1,function(x) max(which(x)))]
尽管如此，我认为这可以通过使用更多的
data.tablejapply按行应用，而a==1
创建一个与a
一样大的新逻辑矩阵
在data.table
中，我们按列进行操作。有时，对于data.table
-ish，使用循环遍历列（从不循环遍历行）：
正如你所看到的，这是一种完全不同的风格。但是，我认为，这应该是：
- 页面效率高；即，它通过内存中连续的列运行
- 需要一列（仅）大的工作内存，而不是整个
a
- 调用
which（）
不过，我没有做任何速度测试，所以我可能不得不收回我的话
请参见设置
作为对注释的响应，为了检查它是如何工作的，set
恰好返回一个指向data.table
的指针，因此我们可以在它运行时查看前几行
a[,ans:=0L] # add column by reference, initialized with 0L
> head(a)
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 0
2: 0 0 1 1 0 0 1 1 1 1 0
3: 0 1 0 0 0 1 1 1 1 0 0
4: 0 0 0 1 1 0 1 1 1 1 0
5: 1 1 1 1 0 0 0 0 0 1 0
6: 1 1 0 1 1 0 1 0 1 1 0
现在，希望以下内容能够揭示它的工作原理：
> for (i in 1:10) print(head(set(a,which(a[[i]]==1),"ans",i)))
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 0
2: 0 0 1 1 0 0 1 1 1 1 0
3: 0 1 0 0 0 1 1 1 1 0 0
4: 0 0 0 1 1 0 1 1 1 1 0
5: 1 1 1 1 0 0 0 0 0 1 1
6: 1 1 0 1 1 0 1 0 1 1 1
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 0
2: 0 0 1 1 0 0 1 1 1 1 0
3: 0 1 0 0 0 1 1 1 1 0 2
4: 0 0 0 1 1 0 1 1 1 1 0
5: 1 1 1 1 0 0 0 0 0 1 2
6: 1 1 0 1 1 0 1 0 1 1 2
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 3
2: 0 0 1 1 0 0 1 1 1 1 3
3: 0 1 0 0 0 1 1 1 1 0 2
4: 0 0 0 1 1 0 1 1 1 1 0
5: 1 1 1 1 0 0 0 0 0 1 3
6: 1 1 0 1 1 0 1 0 1 1 2
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 3
2: 0 0 1 1 0 0 1 1 1 1 4
3: 0 1 0 0 0 1 1 1 1 0 2
4: 0 0 0 1 1 0 1 1 1 1 4
5: 1 1 1 1 0 0 0 0 0 1 4
6: 1 1 0 1 1 0 1 0 1 1 4
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 5
2: 0 0 1 1 0 0 1 1 1 1 4
3: 0 1 0 0 0 1 1 1 1 0 2
4: 0 0 0 1 1 0 1 1 1 1 5
5: 1 1 1 1 0 0 0 0 0 1 4
6: 1 1 0 1 1 0 1 0 1 1 5
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 6
2: 0 0 1 1 0 0 1 1 1 1 4
3: 0 1 0 0 0 1 1 1 1 0 6
4: 0 0 0 1 1 0 1 1 1 1 5
5: 1 1 1 1 0 0 0 0 0 1 4
6: 1 1 0 1 1 0 1 0 1 1 5
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 6
2: 0 0 1 1 0 0 1 1 1 1 7
3: 0 1 0 0 0 1 1 1 1 0 7
4: 0 0 0 1 1 0 1 1 1 1 7
5: 1 1 1 1 0 0 0 0 0 1 4
6: 1 1 0 1 1 0 1 0 1 1 7
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 8
2: 0 0 1 1 0 0 1 1 1 1 8
3: 0 1 0 0 0 1 1 1 1 0 8
4: 0 0 0 1 1 0 1 1 1 1 8
5: 1 1 1 1 0 0 0 0 0 1 4
6: 1 1 0 1 1 0 1 0 1 1 7
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 9
2: 0 0 1 1 0 0 1 1 1 1 9
3: 0 1 0 0 0 1 1 1 1 0 9
4: 0 0 0 1 1 0 1 1 1 1 9
5: 1 1 1 1 0 0 0 0 0 1 4
6: 1 1 0 1 1 0 1 0 1 1 9
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 10
2: 0 0 1 1 0 0 1 1 1 1 10
3: 0 1 0 0 0 1 1 1 1 0 9
4: 0 0 0 1 1 0 1 1 1 1 10
5: 1 1 1 1 0 0 0 0 0 1 10
6: 1 1 0 1 1 0 1 0 1 1 10
>
你对这个问题的解决方案很好（如果它是按照我的想法做的话），尽管它与我使用的有很大的不同。你能解释一下它在做什么吗set（a，它（a[[I]]==1），“foo”，I）？感谢@Matthew Dowle！@Nestorghh添加了edit，hth。有关set
参数的解释，请参见？set
。感谢你的解释@Matthew Dowle。这就是我们认为它正在做的。当然，这是一种不同的风格。另一方面，我们用巨大的数据表进行了一些实验，差异非常明显le.我们尝试了一个2000000行的数据表，您的set
解决方案比我们的apply
方法快53倍。除了？set
，您能告诉我是否还有其他参考资料来阅读有关set
函数的更多信息吗？谢谢！感谢更新，很高兴它能工作。如果您还有其他问题，请联系我们答案不是？set
请让我知道，这样它可以改进。我唯一能想到的是搜索，它的示例非常详细（set
是在v1.8.0中添加的）。a[，ind:=max.col（.SD==1，“last”）]
可能会更快
> for (i in 1:10) print(head(set(a,which(a[[i]]==1),"ans",i)))
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 0
2: 0 0 1 1 0 0 1 1 1 1 0
3: 0 1 0 0 0 1 1 1 1 0 0
4: 0 0 0 1 1 0 1 1 1 1 0
5: 1 1 1 1 0 0 0 0 0 1 1
6: 1 1 0 1 1 0 1 0 1 1 1
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 0
2: 0 0 1 1 0 0 1 1 1 1 0
3: 0 1 0 0 0 1 1 1 1 0 2
4: 0 0 0 1 1 0 1 1 1 1 0
5: 1 1 1 1 0 0 0 0 0 1 2
6: 1 1 0 1 1 0 1 0 1 1 2
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 3
2: 0 0 1 1 0 0 1 1 1 1 3
3: 0 1 0 0 0 1 1 1 1 0 2
4: 0 0 0 1 1 0 1 1 1 1 0
5: 1 1 1 1 0 0 0 0 0 1 3
6: 1 1 0 1 1 0 1 0 1 1 2
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 3
2: 0 0 1 1 0 0 1 1 1 1 4
3: 0 1 0 0 0 1 1 1 1 0 2
4: 0 0 0 1 1 0 1 1 1 1 4
5: 1 1 1 1 0 0 0 0 0 1 4
6: 1 1 0 1 1 0 1 0 1 1 4
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 5
2: 0 0 1 1 0 0 1 1 1 1 4
3: 0 1 0 0 0 1 1 1 1 0 2
4: 0 0 0 1 1 0 1 1 1 1 5
5: 1 1 1 1 0 0 0 0 0 1 4
6: 1 1 0 1 1 0 1 0 1 1 5
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 6
2: 0 0 1 1 0 0 1 1 1 1 4
3: 0 1 0 0 0 1 1 1 1 0 6
4: 0 0 0 1 1 0 1 1 1 1 5
5: 1 1 1 1 0 0 0 0 0 1 4
6: 1 1 0 1 1 0 1 0 1 1 5
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 6
2: 0 0 1 1 0 0 1 1 1 1 7
3: 0 1 0 0 0 1 1 1 1 0 7
4: 0 0 0 1 1 0 1 1 1 1 7
5: 1 1 1 1 0 0 0 0 0 1 4
6: 1 1 0 1 1 0 1 0 1 1 7
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 8
2: 0 0 1 1 0 0 1 1 1 1 8
3: 0 1 0 0 0 1 1 1 1 0 8
4: 0 0 0 1 1 0 1 1 1 1 8
5: 1 1 1 1 0 0 0 0 0 1 4
6: 1 1 0 1 1 0 1 0 1 1 7
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 9
2: 0 0 1 1 0 0 1 1 1 1 9
3: 0 1 0 0 0 1 1 1 1 0 9
4: 0 0 0 1 1 0 1 1 1 1 9
5: 1 1 1 1 0 0 0 0 0 1 4
6: 1 1 0 1 1 0 1 0 1 1 9
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 ans
1: 0 0 1 0 1 1 0 1 1 1 10
2: 0 0 1 1 0 0 1 1 1 1 10
3: 0 1 0 0 0 1 1 1 1 0 9
4: 0 0 0 1 1 0 1 1 1 1 10
5: 1 1 1 1 0 0 0 0 0 1 10
6: 1 1 0 1 1 0 1 0 1 1 10
>