0

我有两个data.table如下所示：

N = 10
A.DT <- data.table(a1 = c(rnorm(N,0,1)), a2 = NA))
B.DT <- data.table(b1 = c(rnorm(N,0,1)), b2 = 1:N)
setkey(A.DT,a1)    
setkey(B.DT,b1)

我试图通过更改 for 循环将我以前data.frame的实现更改为一个data.table实现，如下所示：

for (i in 1:nrow(B.DT)) {
  for (j in nrow(A.DT):1) {
    if (B.DT[i,b2] <= N/2 
        && B.DT[i,b1] < A.DT[j,a1]) {
      A.DT[j,]$a2 <- B.DT[i,]$b1
      break
    }
  }
}

我收到以下错误消息：

Error in `[<-.data.table`(`*tmp*`, j, a2, value = -0.391987468746123) : 
  object "a2" not found

我认为我访问的方式data.table不太正确。我是新手。我想有一种比上下循环两个数据表更快的方法。

我想知道上面显示的循环是否可以简化/矢量化。

编辑用于复制/粘贴的 data.table 数据：

# A.DT
    a1  a2
1   -1.4917779  NA
2   -1.0731161  NA
3   -0.7533091  NA
4   -0.3673273  NA
5   -0.159569   NA
6   -0.1551948  NA
7   -0.0430574  NA
8   0.1783496   NA
9   0.4276034   NA
10  1.0697412   NA

# B.DT
    b1  b2
1   0.64229018  1
2   1.00527902  2
3   0.24746294  3
4   -0.50288835 4
5   0.34447791  5
6   -0.22205129 6
7   0.60099079  7
8   -0.70242284 8
9   0.6298599   9
10  0.08917988  10

我期望的输出：

# OUTPUT
    a1  a2
1   -1.4917779  NA
2   -1.0731161  NA
3   -0.7533091  NA
4   -0.3673273  NA
5   -0.159569   NA
6   -0.1551948  NA
7   -0.0430574  NA
8   0.1783496   -0.50288835
9   0.4276034   0.24746294
10  1.0697412   0.64229018

该算法在一张表中向下，对于每一行在另一张表中向上，检查一些条件并相应地修改值。更具体地说，它下降 B.DT，对于 B.DT 中的每一行，上升 A.DT 并将 b1 的第一个值分配给 a2，使得 b1 小于 a1。在赋值之前检查一个附加条件（在本例中 b2 等于或小于 5）。

0.64229018 是 B.DT 中的第一个值，分配给 A.DT 的最后一个单元。1.00527902 是 B.DT 中的第二个值，但由于它比 A.DT 中的所有其他值都大，因此未赋值。0.24746294 是 B.DT 中的第三个值，分配给 A.DT 中倒数第二个单位。-0.50288835 是 B.DT 中的第四个值，分配给 A.DT 中的 #8 单元 0.34447791 是 B.DT 中的第五个值，因为它太大了，所以没有分配。

这当然是一个简化的问题（因此可能没有多大意义）。感谢您的时间和投入。

4

2 回答 2

1

您的代码将运行更改：

A.DT[j,]$a2 <- B.DT[i,]$b1

至

A.DT$a2[j,] <- B.DT[i,]$b1

至于更有效地使用data.table，我将把它留给那些比我更专业的人......

于 2013-03-18T12:00:59.750 回答
1

一旦你创建了你的 data.table，就几乎不需要常规的赋值操作符<-，而是你想使用:=，它位于该位置的括号内。j（避免的原因<-是<-创建对象的副本，而:=没有，因此效率）

因此，对您的代码的第一次修改是：

 # FROM: A.DT[j,]$a2 <- B.DT[i,]$b1
 # TO: 
 A.DT[j, a2 := B.DT[i, b1] ]

现在，data.table's (许多) 最好的特性之一是它的by参数，它有助于消除许多for循环和*ply调用。在这种特定情况下，您可以按如下方式清理双循环：

set.seed(201)
A.DT <- data.table(a1 = rnorm(N,0,1), key="a1")  # no need to create a2 if it will be NA. If you do, make sure it is as.numeric(NA)
B.DT <- data.table(b1 = rnorm(N,0,1), b2 = 1:N, key="b2")

# Assign to a2 in A.DT
A.DT[            
      , a2 := B.DT[ b2 <= N/2 & b1 < a1] [1, b1]
      , by=a1
     ]


> A.DT
             a1         a2
 1: -2.30403431         NA
 2: -1.69658097         NA
 3: -1.28548252         NA
 4: -0.34454603 -0.6478531
 5: -0.07503189 -0.6478531
 6:  0.05593404 -0.6478531
 7:  0.18900414 -0.6478531
 8:  0.26693735  0.2238094
 9:  0.28606069  0.2238094
10:  0.32576373  0.2238094

s上的两个旁注key。

  • 您可以在创建 data.table 的同时设置密钥，节省两行代码
  • data.table 按其键排序。从您使用行位置来确定分配的事实来看，我猜您不会想按自己的方式设置键。在上面的代码中，我将B.DT' 键更改为 `b2.
于 2013-03-21T03:05:20.473 回答