将data.table有条件划分为列值

Question

此问题与data.table类有关，来自同名的R包。

给定一个data.table对象，我想根据它的某些列的值将它分成片。

为了说明我必须做什么，我举了一个例子。

假设这是输入data.table。

dataf <- data.frame(list(
    T = c(1.80,1.81,1.82,1.83,1.85,1.87,1.90,1.95,2.00), 
    A = c(1,0,1,1,1,0,1,1,0), 
    B = c(0,0,0,0,0,0,1,0,0), 
    C = c(0,1,0,1,1,0,1,1,0), 
    D = c(0,0,1,1,1,0,0,1,0)) 
) 
datat <- data.table(dataf) 
datat 
#  T A B C D 
# 1: 1.80 1 0 0 0 
# 2: 1.81 0 0 1 0 
# 3: 1.82 1 0 0 1 
# 4: 1.83 1 0 1 1 
# 5: 1.85 1 0 1 1 
# 6: 1.87 0 0 0 0 
# 7: 1.90 1 1 1 0 
# 8: 1.95 1 0 1 1 
# 9: 2.00 0 0 0 0 

的目标是该表分成子表，基于n选定的列（与n = 0, ..., ncol(datat) - 1）的值。

对于此输入，选择与锚柱C和D，输出有类似为：

# $`0|0` 
#  T A B C D 
# 1: 1.80 1 0 0 0 

# $`1|0` 
#  T A B C D 
# 1: 1.81 0 0 1 0 

# $`0|1` 
#  T A B C D 
# 1: 1.82 1 0 0 1 

# $`1|1` 
#  T A B C D 
# 1: 1.83 1 0 1 1 
# 2: 1.85 1 0 1 1 

# $`0|0` 
#  T A B C D 
# 1: 1.87 0 0 0 0 

# $`1|0` 
#  T A B C D 
# 1: 1.90 1 1 1 0 

# $`1|1` 
#  T A B C D 
# 1: 1.95 1 0 1 1 

# $`0|0` 
#  T A B C D 
# 1: 2.00 0 0 0 0 

从该例子可推论只是示出，的分割条件是：

• 所选列的值与前一行中的值不同？

重要：在这个例子中，单词“值”必须用作一对列值。

注：

我认为这个输出结构，然后（第二目标）我要的功能应用一个（或两个）这个子表，得到它们的输出和它们聚集（例如总和，合并或其他操作）通过元素列表的通用名称（即0|0与0|0,1|0和1|0等）。

如果你认为有一个更好的适合或更容易的输出结构，这也将允许第二个目标，你的建议是非常受欢迎的。

显然，解决方案的性能很重要，因为我必须处理大表。

不幸的是，我认为自己有data.table包一个新手，事实上我知道它只有几件事情：如何通过colnames等等等，以子集..

所以你的帮助是极大的赞赏，因为它会帮助我学习新的东西。提前致谢。

Answer 1

我会跟rle如下做到这一点，split：

ids <- do.call(paste, c(datat[, 4:5, with = FALSE], sep="|")) 
rle.ids <- rle(ids) 
datat.spl <- split(datat, rep(seq_along(rle.ids$values), rle.ids$lengths)) 
names(datat.spl) <- rle.ids$values 

---

读你的笔记部分，因为你的目标是通过分组应用功能这些子表/聚合他们，我建议只是增加一个额外的列data.table像这样：

datat[, grp1 := do.call(paste, c(datat[, 4:5, with = FALSE], sep="|"))] 

如果你愿意，你还可以添加像这样的另一个分组：如果你希望所有的

datat[, grp2 := rep(seq_along(rle.ids$values), rle.ids$lengths)] 

现在|组合在一起，“0”，然后通过grp1子集。通过grp2，然后，子|

# example 
datat[, list(s.A = sum(A)), by = grp1] 

如果你想聚集为每个单独设置“0”来完成。

# example 
datat[, list(grp1 = grp1[1], s.A = sum(A)), by = grp2] 

希望这会有所帮助。