具有匹配列名称的R data.table点积（对于每个组）

我有一个数据表和一个可拟合系数数据表。我想计算每行的拟合值。具有匹配列名称的R data.table点积（对于每个组）

dt = data.table(a = rep(c("x","y"), each = 5), b = rnorm(10), c = rnorm(10), d = rnorm(10)) 
coefs = data.table(a = c("x","y"), b = c(0, 1), d = c(2,3)) 
dt 
# a   b   c   d 
# 1: x -0.25174915 -0.2130797 -0.67909764 
# 2: x -0.35569766 0.6014930 0.35201386 
# 3: x -0.31600957 0.4398968 -1.15475814 
# 4: x -0.54113762 -2.3497952 0.64503654 
# 5: x 0.11227873 0.0233775 -0.96891456 
# 6: y 1.24077566 -1.2843439 1.98883516 
# 7: y -0.23819626 0.9950835 -0.17279980 
# 8: y 1.49353589 0.3067897 -0.02592004 
# 9: y 0.01033722 -0.5967766 -0.28536224 
#10: y 0.69882444 0.8702424 1.24131062 

coefs # NB no "c" column 
# a b d 
#1: x 0 2 
#2: y 1 3

对于DT每个a=="x"行，我想0*b+2*d;并且对于dt中的每个a=="y"行，我想要1*b+3*d。

是否有一个数据表的方式来做到这一点没有硬编码的列名？我很高兴将列名放在变量cols = colnames(coefs)[-1]中。

很容易将组和rbind一起循环，因此如果分组导致麻烦，请忽略该部分。

来源

2016-08-03 jf328

我的相似问题：http://stackoverflow.com/q/19279075/对于它的价值，我认为人们会关心动态匹配名称是很自然的事情，并且这不会使这个问题成为“移动目标“完全可以。 – Frank

加入data.tables：

dt[coefs, res := b * i.b + d * i.d, on = "a"] 
# a   b   c   d  res 
#1: x 0.09901786 -0.362080111 -0.5108862 -1.0217723 
#2: x -0.16128422 0.169655945 0.3199648 0.6399295 
#3: x -0.79648896 -0.502279345 1.3828633 2.7657266 
#4: x -0.26121421 0.480548972 -1.1559392 -2.3118783 
#5: x 0.54085591 -0.601323442 1.3833795 2.7667590 
#6: y 0.83662761 0.607666970 0.6320762 2.7328562 
#7: y -1.92510391 -0.050515610 -0.3176544 -2.8780671 
#8: y 1.65639926 -0.167090105 0.6830158 3.7054466 
#9: y 1.48772354 -0.349713539 -1.2736467 -2.3332166 
#10: y 1.49065993 0.008198885 -0.1923361 0.9136516

通常你会在这里使用的矩阵产品，但是这将意味着你不得不相应子集强制到矩阵。这会导致复制，并且由于data.tables主要用于较大的数据，因此您希望避免复制。

如果你需要动态的列名，我想到的最简单的解决方案实际上是一个eval/parse结构：

cols = colnames(coefs)[-1] 
expr <- parse(text = paste(paste(cols, paste0("i.", cols), sep = "*"), collapse = "+")) 
#expression(b*i.b+d*i.d) 

dt[coefs, res := eval(expr), on = "a"]

也许别人可以提出一个更好的解决方案。

这里是一个使用溶液矩阵乘法：

dt[, res := as.matrix(.SD) %*% unlist(coefs[a == .BY, .SD, .SDcols = cols]), 
    by = "a", .SDcols = cols]

当然这使得副本，这是潜在的效率较低，则eval溶液。

来源

2016-08-03 12:55:22 Roland

谢谢。有没有可能不硬编码列名？我很乐意把它们放入一个像'cols = colnames（coefs）[ - 1]'这样的变量，然后怎么去？ – jf328

请不要让您的问题成为移动目标。提出问题时提供所有规格。 – Roland

我发现所有数值类型列的data.table可以做算术运算（+， - ，*，/），但没有名称匹配 - 只是顺序匹配。

> coefs 
    a b d 
1: x 0 2 
2: y 1 3 
> coefs[, .(b,d)] * coefs[, .(b,d)] 
    b d 
1: 0 4 
2: 1 9 
> coefs[, .(b,d)] * coefs[, .(d,b)] 
    b d 
1: 0 0 
2: 3 3

所以基于该

> cols = colnames(coefs)[-1] 
> zz = rowSums(coefs[dt[,.(a)], .SD, on = 'a', .SDcols = cols] * dt[, .SD, .SDcols = cols]) 
> dt[, newcol := zz]

来源

2016-08-03 13:54:34 jf328

如果您不介意副本（通过将data.table强制为一个矩阵而产生'rowSums'），您应该使用我最后的建议，即矩阵乘法。 – Roland

另一种替代的解决方案（但速度较慢）的做法是：

dt$res <- unsplit(Map(function(x,y){x$b*y$b + x$d*y$d}, split(dt, dt$a=="x"), 
       split(coefs,coefs$a=="x")),dt$a=="x") 

    dt 
    a   b   c   d  res 
1: x 0.47859729 1.3479271 0.5691897 1.1383794 
2: x 0.28491505 -0.3291934 1.8621365 3.7242730 
3: x -1.43894695 1.5555413 0.3685772 0.7371544 
4: x 0.04360066 0.1358920 0.5240700 1.0481400 
5: x -1.39897890 -0.0175886 -0.6876451 -1.3752901 
6: y -0.60952146 1.2331907 -0.3582176 -1.6841742 
7: y 0.31777772 1.4090295 -0.4053615 -0.8983067 
8: y 0.42758431 -0.3746061 2.1208417 6.7901094 
9: y -0.60701063 -0.9232092 1.9386482 5.2089341 
10: y -1.52042316 -0.8871454 -0.9314232 -4.3146927

此相同的代码将在基础R工作，以及如果数据是已经data.frames。

来源

2016-08-03 13:54:35

这对大数据当然是无效的。 – Roland

对，只是想表现出一种不同的做法。 –

具有匹配列名称的R data.table点积（对于每个组）

回答

相关问题