data.table：根据自定义函数中的条件选择部分数据集

Question

我想编写一个函数，使用data.table包来选择一部分数据集。该函数的声明参数是：

• 输入数据集（dset），
• 变量，在其上的数据集将被子集（seg.var），上述可变声明（value）的
• 值。

我能写工作职能在基础R：

# Function without data.table 

data.select <- function(dset, seg.var, value){ 
    dset.out <- dset[dset[[seg.var]] == value,] 
    return(dset.out) 
} 

data.select(iris, "Species", "setosa") 

但是，我不能data.table包重写：以下的功能无法正常工作。 5个COLS的对象 '物种' 未找到

data.select.dt(iris, "Species", "setosa") 

空data.table（0行）：：

# Function with data.table 

data.select.dt <- function(dset, seg.var, value){ 
    dset <- as.data.table(dset) 
    dset.out <- dset[seg.var == value,] 
    return(dset.out) 
} 

data.select.dt(iris, Species, "setosa") 

错误的eval（expr中，ENVIR，enclos）萼片.Length，Sepal.Width，Petal.Length，Petal.Width，Species

输入数据集格式为data.frame格式。重写上述给定函数的目标是性能改进。任何帮助，将不胜感激。

Answer 1

这是一个评论有点太长了，所以一个单独的答案：

首先，我提到为@ R，S注释的get()功能。回答：

data.select.dt.V1 <- function(dset, seg.var, value){ 
    if(!data.table::is.data.table(dset)) dset <- data.table::as.data.table(dset) # To convert only if needed 
    dset[get(seg.var) == value,] 
} 

data.select.dt.V1(iris, 'Species', 'setosa') 

然后更data.table功能，在这里你可以通过第二个参数是一个表达式（当然，在data.table方式），而不是一个字符串：

data.select.dt.V2 <- function(dset, seg.var, value){ 
    if(!data.table::is.data.table(dset)) dset <- data.table::as.data.table(dset) # To convert only if needed 
    sv <- substitute(seg.var) 
    dset[eval(sv) == value,] 
} 

data.select.dt.V2(iris, Species, 'setosa') 

编辑：功能简化和转换测试（感谢@David Arenburg评论）。

第二编辑：基准测试上述两种功能与@大卫Arenburg对515 MB data.table和data.frame一个（有和没有is.data.table检查，V3和V4分别地）：

data.select.dt.V3 <- function(dset, seg.var, value) data.table::as.data.table(dset)[.(value), on = seg.var] 

data.select.dt.V4 <- function(dset, seg.var, value) { 
    if(!data.table::is.data.table(dset)) dset <- data.table::as.data.table(dset) # To convert only if needed 
    dset[.(value), on = seg.var] 
} 

                expr  min  lq  mean median  uq  max neval cld 
1 res <- data.select.dt.V1(iris_df, "Species", "setosa") 3.804995 4.585763 4.150130 4.688093 5.320362 3.166503 10 c 
2 res <- data.select.dt.V2(iris_df, Species, "setosa") 3.713275 3.827180 3.865347 4.544968 4.753045 3.218075 10 c 
3 res <- data.select.dt.V3(iris_df, "Species", "setosa") 1.927947 1.942868 2.167127 2.328364 2.595420 2.159664 10 b 
4 res <- data.select.dt.V4(iris_df, "Species", "setosa") 1.987710 2.004497 2.011502 2.280117 2.856847 1.594249 10 b 

5 res <- data.select.dt.V1(iris_dt, "Species", "setosa") 2.771223 2.792428 2.501362 2.805796 3.056144 1.883520 10 b 
6 res <- data.select.dt.V2(iris_dt, Species, "setosa") 2.830161 2.970071 2.593192 3.123812 3.170884 1.752576 10 b 
7 res <- data.select.dt.V3(iris_dt, "Species", "setosa") 1.963530 2.116116 2.059718 2.203265 2.740949 1.768817 10 b 
8 res <- data.select.dt.V4(iris_dt, "Species", "setosa") 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 10 a 

显然V4是一个至如果你期望data.frame和data.table，如果只有df是可能的，最快的功能将是V3。

Answer 2

这里有一些微妙之处，我的建议是把它分解成几个步骤。直先写代码，然后转换成一个功能：

你原来的代码工作的功能之外：

require(data.table) 

dset <- as.data.table(iris) 
dset.out <- dset[Species == "setosa",] 
dset.out 
> dset <- as.data.table(iris) 
> dset.out <- dset[Species == "setosa",] 
> dset.out 
Sepal.Length Sepal.Width Petal.Length Petal.Width Species 
1:   5.1   3.5   1.4   0.2 setosa 
2:   4.9   3.0   1.4   0.2 setosa 
... 

然而，当你把它包装在一个函数是失败...

> require(data.table) 
> data.select.dt <- function(dset, seg.var, value){ 
+ dset <- as.data.table(dset) 
+ dset.out <- dset[ seg.var == eval(value) ] 
+ return(dset.out) 
+ } 
> data.select.dt(iris, Species, "setosa") 
Show Traceback 

Rerun with Debug 
Error in eval(expr, envir, enclos) : object 'Species' not found 

好的，有趣的是，为什么它在函数调用中失败？您需要正确引用“Species”变量。这需要你在通话中解除引用：

dset[dset[["Species"]] == "setosa",] 
> dset[dset[["Species"]] == "setosa",] 
    Sepal.Length Sepal.Width Petal.Length Petal.Width Species 
1:   5.1   3.5   1.4   0.2 setosa 
2:   4.9   3.0   1.4   0.2 setosa 
... 

nb。我发现真正有趣的是调试中的RStudio允许函数工作，但在非调试模式下触发错误。

现在你可以在一个函数把这个包：

data.select.dt <- function(dset, seg.var, value){ 
    dset <- as.data.table(dset) 
    dset.out <- dset[dset[[seg.var]] == value,] 
    return(dset.out) 
} 

注意的物种被包裹在引号"Species" ...

data.select.dt(iris, "Species", "setosa") 

data.select.dt(iris, "Species", "setosa") 
    Sepal.Length Sepal.Width Petal.Length Petal.Width Species 
1:   5.1   3.5   1.4   0.2 setosa 
2:   4.9   3.0   1.4   0.2 setosa 
3:   4.7   3.2   1.3   0.2 setosa 

Answer 3

检查你的代码：dset.out <- dset[seg.var == value,]在data.table版本应该是dset.out <- dset[dset[[seg.var]] == value,]这是你原来的。

Species缺少引号，应该是"Species"当您调用该函数时。这就是错误信息在工作区中没有显示对象Species的原因。

This Works。

data.select.dt <- function(dset, seg.var, value){ 
    dset <- as.data.table(dset) 
    dset.out <- dset[dset[[seg.var]] == value,] 
    return(dset.out) 
} 

data.select.dt(iris, "Species", "setosa") 

编辑添加一个提示，除功能外调试，所以你看到的东西在打破。