计算上的多个列名在data.table

我有一个看起来像这样的稀疏数据表：计算上的多个列名在data.table

data = data.table(
    var1 = c("a","",""), 
    var2 = c("","","c"), 
    var3 = c("a","b",""), 
    var4 = c("","b","") 
) 
     var1 var2 var3 var4 
    1: a   a  
    2:    b b 
    3:   c

我想补充一点，包含零和一的指示哪些变量是一弦一柱目前在任一行，就像这样：

var1 var2 var3 var4 concat 
1: a   a  1|0|1|0 
2:    b b 0|0|1|1 
3:   c   0|1|0|0

我能得到这个使用下面的命令：

data[, concat := paste(
      as.integer(var1 != ""), 
      as.integer(var2 != ""), 
      as.integer(var3 != ""), 
      as.integer(var4 != ""), 
      sep = "|")]

但是，如果我有数百个变量，我宁愿使用某种计算来获得所需的表达式。可能是基于paste0("var",1:4)的东西，或者至少是一个列名称向量。有什么建议么？

来源

2016-08-11 BigFinger

相同的基本如上述的方法：

data[ , concat := apply(.SD, 1, function(x) paste(+(x == ""), collapse = "|"))][] 
# var1 var2 var3 var4 concat 
# 1: a   a  0|1|0|1 
# 2:    b b 1|1|0|0 
# 3:   c   1|0|1|1

来源

2016-08-11 23:20:47 MichaelChirico

我真的很惊讶，循环播放每一行的速度都快于将它们粘贴为列。但无论我认为应该发生什么，似乎都是这种情况！ :-P – thelatemail

data$concat <- apply(apply(data, 2, function(x) ifelse(x == "", 0, 1)), 1, function(x) paste(x, collapse="|"))

击穿：

1）对于data每一列，检查是否元素是空的，如果是的话返回0，否则1

apply(data, 2, function(x) ifelse(x == "", 0, 1))

我们称之为从返回（1）变量concat。对于每行concat，将所有内容粘贴在一起并用管道（|）将它们分开。将新列data设置为等于此值。

apply(concat, 1, function(x) paste(x, collapse="|"))

来源

2016-08-11 23:11:11 TomNash

不错，但建议：没有理由不要只是把整个事情按行进行;如果按照列方式调用_were_，则方法是使用'lapply（.SD，“==”，“”）'; ['ifelse'很慢]（http://stackoverflow.com/questions/16275149/does-ifelse-really-calculate-both-of-its-vectors-every-time-is-it-slow），所以避免它;并且这个具有'[data.table]'标签，你应该[通过引用分配'：=']（https://rawgit.com/wiki/Rdatatable/data.table/vignettes/datatable-reference- semantics.html） – MichaelChirico

会问你关于'。SD'，之前从未见过，我更喜欢你的答案，但我只是发布了我自己的工作。 – TomNash

另一种选择是对数据进行分组由行和每行粘贴在一起：

data[,concat := paste0(as.integer(.SD != ""), collapse = "|"), by = 1:nrow(data)] 
data 
# var1 var2 var3 var4 concat 
#1: a   a  1|0|1|0 
#2:    b b 0|0|1|1 
#3:   c   0|1|0|0

来源

2016-08-11 23:23:58 Psidom

变化不需要由每一行任何分组或每行上的apply。

data[, concat := do.call(paste, c(lapply(.SD, function(x) (x!="")+0), sep="|")) ] 

# var1 var2 var3 var4 concat 
#1: a   a  1|0|1|0 
#2:    b b 0|0|1|1 
#3:   c   0|1|0|0

来源

2016-08-11 23:32:14 thelatemail

而不是所有的平等测试，然后是强制（在每个答案中），我可以使用'nchar'。 – Frank

@Frank - true，尽管假设真实数据中的有效值都只是一个字符。如果不是的话，我想你可以用'pmin'或其他东西来加以限制，但这只是增加了复杂性。 – thelatemail

感谢您提供了多种多样的解决方案。我很佩服！

我在我的大数据集上做了一些基准比较，以比较几种不同方法的运行时间。以下是我发现：

data[ , concat := apply(.SD, 1, function(x) paste(+(x == ""), collapse = "|"))]

时间：6分钟，41号

data[, concat := do.call(paste, c(lapply(.SD, function(x) (x!="")+0), sep="|")) ]

时间：10分钟，26号

data[,concat := paste0(as.integer(.SD != ""), collapse = "|"), by = 1:nrow(data)]

时间：> 40分钟（手动杀死）

来源

2016-08-12 01:33:56 BigFinger

计算上的多个列名在data.table

回答

相关问题