嵌套分组与data.table

Question

在下面的data.table中，我有关于参与项目的团队组成的信息。变量id告诉团队ID，而变量event给出项目编号。变量freqrel描述了团队的组成（您可以看到freqrel在每个团队中的总和为1）。

structure(list(id = c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 
4L, 4L, 5L, 5L, 5L), event = c("127b", "127b", "127b", "127b", 
"127b", "127b", "127b", "127b", "127b", "125t", "125t", "125t", 
"125t", "125t", "125t"), membr = c("engineer", "mathematician", 
"physicist", "mathematician", "physicist", "surgeon", "dentist", 
"mathematician", "programmer", "physicist", "sociologist", "surgeon", 
"musician", "sociologist", "surgeon"), freqrel = c(0.4, 0.4, 
0.2, 0.166666666666667, 0.5, 0.333333333333333, 0.333333333333333, 
0.5, 0.166666666666667, 0.75, 0.125, 0.125, 0.444444444444444, 
0.444444444444444, 0.111111111111111)), .Names = c("id", "event", 
"membr", "freqrel"), row.names = c(NA, -15L), class = c("data.table", 
"data.frame"), sorted = c("id", "event"), .internal.selfref = <pointer: 0x039a24a0>) 

我看到数据的方式被拆分成嵌套组。第一部分发生在项目层面（直线），第二部分发生在团队层面（虚线）。

id event   membr freqrel 
1: 1 127b  engineer 0.4000000 
2: 1 127b mathematician 0.4000000 
3: 1 127b  physicist 0.2000000 
-------------------------------------- 
4: 2 127b mathematician 0.1666667 
5: 2 127b  physicist 0.5000000 
6: 2 127b  surgeon 0.3333333 
-------------------------------------- 
7: 3 127b  dentist 0.3333333 
8: 3 127b mathematician 0.5000000 
9: 3 127b programmer 0.1666667 
_____________________________________ 
10: 4 125t  physicist 0.7500000 
11: 4 125t sociologist 0.1250000 
12: 4 125t  surgeon 0.1250000 
-------------------------------------- 
13: 5 125t  musician 0.4444444 
14: 5 125t sociologist 0.4444444 
15: 5 125t  surgeon 0.1111111 

从我想加入到他们每个人的membr类型的球队没有特色的同时，赋予它们freqrel = 0，使内同一个项目完全可比球队本起始条件。结果应该是这样的：

id event   membr freqrel 
1: 1 127b  dentist 0.0000000 
2: 1 127b  engineer 0.4000000 
3: 1 127b mathematician 0.4000000 
4: 1 127b  physicist 0.2000000 
5: 1 127b programmer 0.0000000 
6: 1 127b  surgeon 0.0000000 
-------------------------------------- 
7: 2 127b  dentist 0.0000000 
8: 2 127b  engineer 0.0000000 
9: 2 127b mathematician 0.1666667 
10: 2 127b  physicist 0.5000000 
11: 2 127b programmer 0.0000000 
12: 2 127b  surgeon 0.3333333  
-------------------------------------- 
13: 3 127b  dentist 0.3333333 
14: 3 127b  engineer 0.0000000 
15: 3 127b mathematician 0.5000000 
16: 3 127b  physicist 0.0000000 
17: 3 127b programmer 0.1666667 
18: 3 127b  surgeon 0.0000000 
_____________________________________ 
19: 4 125t  musician 0.0000000 
20: 4 125t  physicist 0.7500000 
21: 4 125t sociologist 0.1250000 
22: 4 125t  surgeon 0.1250000 
-------------------------------------- 
23: 5 125t  musician 0.4444444 
24: 5 125t  physicist 0.0000000 
25: 5 125t sociologist 0.4444444 
26: 5 125t  surgeon 0.1111111 

换言之，将数据使用event作为密钥by后，我需要划分的第二时间，并比较与所述第二分束而获得的数据的块。 但这里的问题是，我不知道如何引用与by获得的第一块，然后再次如何拆分，并在数据库之间进行比较。你有什么想法我可以解决这个问题吗？

如果你能帮助我，我将非常感激。真。

Answer 1

这里有一个简单的方法：

setkey(dt, id, membr) 
ans <- dt[, .SD[CJ(unique(id), unique(membr))], by=list(event)] 

然后，您只需更换NA用0如下：

ans[is.na(freqrel), freqrel := 0.0] 

---

一些解释：你的问题归结到这一点 - 为每个event，你想要所有可能的组合id, membr，这样你就可以在这个全组合wi薄组合使用.SD。

所以，首先我们按event，并在这一点，我们首先得到id, membr所有组合与CJ的帮助（这将默认密钥集所有列）。但是，要执行加入，我们需要为.SD设置密钥。因此，我们将key设置为dt预设为id, membr。因此，我们在每个组中执行连接，并为您提供预期的结果。希望这个对你有帮助。