问题标签 [dtplyr]

似乎是什么时候dtplyr安装的dplyr，data.table我遇到了这个问题

这曾经有效，但现在不行。为什么会这样？

此外，当我在没有dtplyr它的情况下运行此过程时，但没有dtplyr提供的优势。

我正在使用这些软件包的最新版本（0.7.0、1.10.4、0.0.2 dplyr）。data.tabledtplyr

我正在使用钻石数据集。

现在我想获得平均价格，这样对于每颗钻石，我都会看到价格，旁边还有平均价格（基于颜色和 cut_new 的组合）。

我尝试了以下代码，但无法正确使用：

尝试1：

尝试2：

任何想法如何使其中一个工作？

谢谢

我有一个 data.table 对象，我通过几个 dplyr 函数进行管道传输。
当通过 时dplyr::select，结果对象的类是 data.table + data.frame。
但是当我通过它时dplyr::filter，输出类只是 data.frame 。

为什么会发生这种情况，如何确保在使用时保留 data.table 类dplyr::filter？

我现在有关于在函数内部使用 dplyr 的各种答案，但我尝试了所有方法，但都没有奏效。

这是我的简单功能：

我尝试了智慧rlang::!!和其他方法，但都没有奏效。这应该很简单，但我无法让它工作。

所以我正在尝试翻译一些 dplyr 代码。我试图从将 dplyr 转换为 data.table 的包中获得帮助，但它仍然不起作用。错误row_number来自dplyr..

我需要dplyr代码中的所有步骤（即使它们在这里没有意义mtcars）

^{由reprex 包（v0.3.0）于 2019 年 7 月 14 日创建}

如果我运行以下简单示例，我会得到预期的输出：

请注意，使用添加和后缀a的标准dplyr格式正确管理冲突的列。.x.y

但是，如果我现在尝试删除其中一列：

有趣的是，如果我尝试选择其中一a列 ( select(a.x))，我会得到相同的错误，但是...select(a)

其中选定的列是明确的dt1$a，但由于某种原因，给定的列名是a.b。（如果我尝试select(a.b)，我会得到同样的object not found错误）。

同时，如果我尝试 drop a，两a列都会被删除：

那么，如何select在表具有冲突（而不是连接）列的连接中使用？

编辑：

正如一些答案中提到的，我显然可以在选择之前执行惰性评估，这很有效。但是，它会引发警告（因为我想将我的对象保留为 a data.table，而不是 a data.frame）所以它似乎不是预期的方法：

使用 dplyr 可以轻松执行 group-filter-select。在下面的例子中，我们有一些公司今年不同季度的数据。我现在想过滤到第一季度没有第四季度数据的公司（在本例中是第二家公司），去掉季度标签。

但是，对 dtplyr 执行相同操作会返回一个空表：

奇怪的是显示的翻译：

这是不正确的。如 dtplyr's own docs中所述，正确的调用需要使用过滤.SD：

（副栏是自动包含的，所以.SDcols应该省略它们以避免重复）

有趣的是，如果我们省略select，则翻译（因此输出）是正确的：

因此，作为一种解决方法，我可以as.data.table()在select. 这可行，但会引发烦人的警告：

我很难认为这是预期的行为，但想在将其扔到dtplyrGithub 跟踪器之前检查这里。

我应该把我的学习精力投入到 R 中的数据争论上，特别是在dplyr和dtplyr之间data.table吗？

• 我dplyr主要使用，但是当数据太大时我会使用data.table，这是一种罕见的情况。所以现在dtplyrv1.0 作为一个接口出来了data.table，从表面上看，我似乎再也不用担心使用这个data.table接口了。

• 那么目前无法使用的最有用的功能或方面是data.table什么，并且可能永远不会使用？dtplyrdtplyr

• 从表面上看，它dplyr的好处data.table听起来像是dtplyr会超车dplyr的。dplyr一旦dtplyr完全成熟，会有什么理由使用吗？

注意：我不是在问dplyrvs data.table（如data.table vs dplyr：一个人可以做得很好，而另一个人不能或做得不好？），但考虑到对于特定问题，一个人比另一个人更受欢迎，为什么不呢？不是dtplyr要使用的工具。

我想知道是否有更快的方法使用 data.table/dplyr 来按组替换基于先前值的值。

假设我的原始数据表如下所示：

这看起来如下：

在这里，对于每个人（姓名）和时间段（年），有一列（治疗）表明他们是否已被分配治疗。

我正在考虑另一种治疗方法，即一旦对个体进行治疗，该个体将继续接受治疗。因此，修改后的数据表应如下所示：

请注意，对于 A 人，在 2001 年接受治疗意味着他们在接下来的几年中也接受了“治疗”。

因为我有一个非常大的数据表，我想知道是否有一种非常快速的修改方法来实现这一点。

我今天开始将我的一些代码从 dplyr 迁移到 dtplyr，当我意识到从调用 lazy_dt()无需调用 as_tibble()。从这里我可以注释掉 dtplyr 代码以保持 dplyr 的可读性，同时获得 data.table 的速度。

然而，当我这样做时，我注意到 dtplyr 会输出有时比它的 dtplyr 对应物慢的 data.table 代码。由于翻译成本，这似乎违背了 dtplyr 应该总是比 data.table 慢的直觉。任何想法为什么会这样？该文档指出，将 dplyr::mutate 翻译为 data.table 术语并不理想。这也许是原因？

代表：

有趣的是，这里的 dtplyr 似乎并不总是比 data.table 慢。我不确定为什么我会看到我在这里看到的东西。

编辑：改写问题更清楚。我的想法是，如果我永远不必向任何人展示我的代码，那么我应该始终使用 data.table，因为它比 dtplyr 快。然而，根据我的基准测试经验，似乎有些情况下 dtplyr 比 data.table 快。为什么？直觉似乎表明这永远不会发生。我误解了 dtplyr 的作用吗？