问题标签 [data.table]

我有一个汇总统计数据框，我使用 reshape 将其转换为宽。这工作正常。但是，如果我将表转换为介于两者之间的 data.table（以添加具有测试统计的另一列），即使我不更改数据，reshape 也会引发错误。

这会产生以下错误：

但是当 data.table 行被注释掉时运行良好。

要摆脱 a 中名为“foo”的列data.frame，我可以这样做：

df <- df[-grep('foo', colnames(df))]

但是，一旦df转换为data.table对象，就没有办法只删除一列。

例子：

但是一旦它被转换为一个data.table对象，它就不再起作用了。

我将data.table第 2 列到第 20 列作为带空格的字符串（例如，“物种名称”）。我想str_replace()同时在所有这些列上运行，以便所有“物种名称”都变成“物种名称”。我可以这样做：

或者如果我把它作为一个data.table对象，那么我可以一次做一列：

如何对所有第 2 列到最后的所有列执行此操作，类似于上述之一？

我正在努力有效地在两个数据框之间执行“关闭”日期匹配。这个问题探讨了使用包中的解决方案idata.frame，plyr但我也会对其他建议的解决方案感到非常满意。

这是两个数据框的一个非常简单的版本：

在实际数据中，sampleticker超过 30,000 行 40 列，samplereport近 300,000 行 25 列。

我想要做的是合并两个数据框，以便每一行sampleticker与最接近的日期匹配相结合，samplereport其中出现在日期之后sampleticker。过去，我通过在代码字段上进行简单合并、升序排序，然后选择代码和日期的唯一组合，解决了类似的问题。然而，由于这个数据集的大小，合并爆炸得非常快。

据我所知，merge不允许这种近似匹配。我见过一些使用 的解决方案findInterval，但由于日期之间的距离会有所不同，我不确定我是否可以指定一个适用于所有行的间隔。

在此处的另一篇文章之后，我编写了以下代码以adply在每一行上使用并执行连接：

这很好用：对于示例数据，我得到了以下内容，这就是我想要的。

但是，由于代码执行了 30,000 多个子集操作，因此速度非常慢：我运行了上述查询一天多，最终将其杀死。

我在这里看到 plyr 1.0 有一个结构，idata.frame它通过引用调用数据帧，大大加快了子集操作。但是，我无法使以下代码工作：

我得到错误

这对我来说很有意义，因为该操作返回一个idata.frame（我假设）。但是，将最后一行更改为：

也会抛出错误：

请注意，调用as.data.frame普通的 oldsamplereport会按预期返回原始数据帧。

我知道这idata.frame是实验性的，所以我不一定期望它能够正常工作。但是，如果有人对如何解决此问题有任何想法，我将不胜感激。或者，如果有人能提出一种运行效率更高的完全不同的方法，那就太好了。

马特

UPDATE Data.table 是解决此问题的正确方法。见下文。

我可以将 data.table 转换为 xts 对象，就像处理 data.frame 一样：

将 data.table 与 xts 一起使用有什么问题吗？

我data.table在 R 中有一个：

将这些数据按组和年份汇总到汇总表中既简单又优雅：

但是，将这些数据汇总到一个汇总表中，包括小计和总计，有点困难，而且也不那么优雅：

这产生：

有没有一种简单的方法可以用 data.table 指定小计和总计，例如 plyr 的margins=TRUE命令？我更喜欢在我的数据集上使用 data.table 而不是 plyr，因为它是一个非常大的数据集，我已经拥有 data.table 格式。

我想计算每个“天”的平均值，但要计算一天中的一部分（时间=12-14）。这段代码对我有用，但我必须每天输入一行新代码，这将达到数百行。

这似乎应该很简单。当分组变量相同时，我很容易做到这一点，但当我不想包含当天的所有值时，我不知道该怎么做。有一个更好的方法吗？

数据如下所示：

最近我遇到了data.table包裹。我仍然不确定如何进行逐行矩阵运算。它最初是为了处理此类操作吗？例如， data.table 相当于apply(M,1,fun)什么？

fun应将向量作为参数，例如mean,median或mad.

我正在尝试编写一些包装函数来减少代码重复data.table。

这是一个使用mtcars. 首先，设置一些数据：

现在，这是我通常会写的按组汇总计数的内容。在这种情况下，我按以下方式分组car：

复杂之处在于，由于参数i和j是在 的框架中评估的，因此如果要传入变量data.table，则必须使用：eval(...)

这有效：

但现在我想按相同的分组变量对结果进行排序。我无法得到以下任何变体来给我正确的结果。注意我总是得到单行结果，而不是有序集。

我知道为什么：这是因为group在 中评估parent.frame，而不是在data.table.

我如何group在 的上下文中进行评估data.table？

更一般地说，我如何在函数中使用它？我需要以下函数来给我所有的结果，而不仅仅是第一行数据：

从数据框中，是否有一种简单的方法可以同时聚合（sum、、mean等max）多个变量？

以下是一些示例数据：

我想同时按年和月聚合数据框中的x1和x2变量。df2下面的代码聚合了x1变量，但是是否也可以同时聚合x2变量呢？