10

我正在尝试在函数中使用 data.table，并且试图了解我的代码失败的原因。我有一个 data.table 如下：

DT <- data.table(my_name=c("A","B","C","D","E","F"),my_id=c(2,2,3,3,4,4))
> DT
   my_name my_id
1:       A     2
2:       B     2
3:       C     3
4:       D     3
5:       E     4
6:       F     4

我正在尝试创建所有具有不同“my_id”值的“my_name”对，对于 DT 来说，这将是：

Var1 Var2    
A    C
A    D
A    E
A    F
B    C
B    D
B    E
B    F
C    E
C    F
D    E
D    F

我有一个函数可以为给定的“my_id”值对返回所有“my_name”对，它按预期工作。

get_pairs <- function(id1,id2,tdt) {
    return(expand.grid(tdt[my_id==id1,my_name],tdt[my_id==id2,my_name]))
}
> get_pairs(2,3,DT)
Var1 Var2
1    A    C
2    B    C
3    A    D
4    B    D

现在，我想为所有 id 对执行此函数，我尝试通过查找所有 id 对然后将 mapply 与 get_pairs 函数一起使用来实现。

> combn(unique(DT$my_id),2)
     [,1] [,2] [,3]
[1,]    2    2    3
[2,]    3    4    4
tid1 <- combn(unique(DT$my_id),2)[1,]
tid2 <- combn(unique(DT$my_id),2)[2,]
mapply(get_pairs, tid1, tid2, DT)
Error in expand.grid(tdt[my_id == id1, my_name], tdt[my_id == id2, my_name]) : 
  object 'my_id' not found

同样，如果我尝试在没有 mapply 的情况下做同样的事情，它会起作用。

get_pairs3(tid1[1],tid2[1],DT)
Var1 Var2
1    A    C
2    B    C
3    A    D
4    B    D

为什么这个函数只有在 mapply 中使用时才会失败？我认为这与 data.table 名称的范围有关，但我不确定。

或者，是否有不同/更有效的方式来完成这项任务？我有一个带有第三个 id “sample”的大型 data.table，我需要为每个样本获取所有这些对（例如在 DT[sample=="sample_id",] 上操作）。我是 data.table 包的新手，我可能没有以最有效的方式使用它。

4

3 回答 3

4

枚举所有可能的对

u_name    <- unique(DT$my_name)
all_pairs <- CJ(u_name,u_name)[V1 < V2]

枚举观察到的对

obs_pairs <- unique(
  DT[,{un <- unique(my_name); CJ(un,un)[V1 < V2]}, by=my_id][, !"my_id"]
)

拿差价

all_pairs[!J(obs_pairs)]

CJ就像expand.grid它创建一个以所有列作为键的 data.table 一样。X必须键入data.table才能使联接X[J(Y)]或非联接X[!J(Y)]（如最后一行）起作用。是可选的J，但更明显的是我们正在进行连接。

简化。@CathG 指出，obs_pairs如果每个“id”总是有两个排序的“名称”（如示例数据中所示），则有一种更简洁的构造方法：使用as.list(un).CJ(un,un)[V1 < V2]

于 2015-06-25T14:26:21.263 回答
4

该功能debugonce()在这些场景中非常有用。

debugonce(mapply)
mapply(get_pairs, tid1, tid2, DT)

# Hit enter twice
# from within BROWSER
debugonce(FUN)
# Hit enter twice
# you'll be inside your function, and then type DT
DT
# [1] "A" "B" "C" "D" "E" "F"
Q # (to quit debugging mode)

这是错误的。基本上，mapply()获取每个输入参数的第一个元素并将其传递给您的函数。在这种情况下，您提供了一个data.table，它也是 list。因此，它不是传递整个 data.table，而是传递列表的每个元素（列）。

因此，您可以通过以下方式解决此问题：

mapply(get_pairs, tid1, tid2, list(DT))

但是mapply()默认情况下会简化结果，因此您会得到matrix回报。你必须使用SIMPLIFY = FALSE.

mapply(get_pairs, tid1, tid2, list(DT), SIMPLIFY = FALSE)

或者干脆使用Map：

Map(get_pairs, tid1, tid2, list(DT))

用于rbindlist()绑定结果。

高温高压

于 2015-06-25T14:50:11.713 回答
3

为什么这个函数只有在 mapply 中使用时才会失败？我认为这与 data.table 名称的范围有关，但我不确定。

在这种情况下，函数失败的原因与范围无关。mapply向量化函数，它获取每个参数的每个元素并传递给函数。因此，在您的情况下，data.table元素是它的列，因此mapply传递列my_name而不是完整的data.table.

如果要将完整传递data.table给mapply，则应使用MoreArgs参数。然后您的功能将起作用：

res <- mapply(get_pairs, tid1, tid2, MoreArgs = list(tdt=DT), SIMPLIFY = FALSE)
do.call("rbind", res)
  Var1 Var2
1     A    C
2     B    C
3     A    D
4     B    D
5     A    E
6     B    E
7     A    F
8     B    F
9     C    E
10    D    E
11    C    F
12    D    F
于 2015-06-25T14:46:41.777 回答