44

data.table是一个很棒的 R 包，我在我正在开发的库中使用它。到目前为止，一切进展顺利，除了一个并发症。使用保存在变量中的名称来引用列似乎要困难得多（与传统的数据框相比）data.table（对于数据框来说，例如：）colname="col"; df[df[,colname]<5,colname]=0。

也许最让事情复杂化的是data.table. 在某些情况下，eval(colname)and get(colname)，甚至c(colname)似乎有效。在其他情况下，DT[,colname, with=F]是解决方案。然而在其他方面，例如set()andsubset()函数，我根本没有找到解决方案。最后，前面讨论了一个极端的，虽然也是相当常见的用例（以编程方式将列名传递给 data.table），并且提出的解决方案，虽然显然在做他们的工作，但似乎不是特别可读......

也许我把事情复杂化了太多？如果有人能记下一份快速备忘单，以使用不同常见场景的变量来引用data.table列名，我将不胜感激。

更新：

如果我可以对列名进行硬编码，则可以使用一些具体示例：

x.short = subset(x, abs(dist)<=100)
set(x, which(x$val<10), "val", 0)

现在假设distcol="dist"，valcol="val"。distcol使用andvalcol而不是distand来完成上述操作的最佳方法是什么val？

4

4 回答 4

28

如果您要在j表达式中执行复杂的操作，您可能应该使用evaland quote。当前版本的一个问题data.table是环境eval并不总是被正确处理 - data.table 中的 eval 和 quote（注意：根据包的更新对该答案进行了更新。） - 和当前解决方法是添加.SD到eval. 据我从一些测试中可以看出，我已经运行了这不会影响速度（例如拥有的方式.SD[1]）j。

有趣的是，这个问题只会困扰j你，你可以正常使用eval（i无论如何.SD都不可用）。

另一个问题是分配，你必须有字符串。我知道一种从带引号的表达式中提取字符串名称的方法——它不漂亮，但它有效。这是一个将所有内容组合在一起的示例：

x = data.table(dist = c(1:10), val = c(1:10))
distcol = quote(dist)
valcol = quote(val)

x[eval(valcol) < 5,
  capture.output(str(distcol, give.head = F)) := eval(distcol)*sum(eval(distcol, .SD))]

请注意我如何不添加.SD其中一个eval(distcol)，但如果我从另一个中取出它就不会eval。

另一种选择是使用get：

diststr = "dist"
valstr = "val"

x[get(valstr) < 5, c(diststr) := get(diststr)*sum(get(diststr))]
于 2013-05-17T21:30:33.450 回答
11

也许您已经知道这个解决方案？

DT[[colname]]

这受到@eddi 在下面评论中的解决方案的启发，使用了 OP 的示例：

set.seed(1)
x = data.table(a = 1:10, b=rnorm(10))
colstr="b"
col <- eval(parse(text=paste("quote(",colstr,")",sep="")))
x[eval(col)<0]
x[eval(col)<0,c(colstr):=-100]
于 2013-05-17T20:29:31.020 回答
4

假设您在变量中有列名x，您可以这样做

colname = as.name(x)

然后你可以colname在subset函数中使用

于 2013-05-22T09:53:03.410 回答
1

eval绝对不推荐data.table使用动态保存的变量对 a 进行子集化的方法。以下示例将有所帮助：

# Toy data.table example
DT = data.table(a = c(1,2,3), b = c(4,5,6))

# Saved variable
mVar <- "a"

# Subset
DT[DT[[mVar]] < 2]

eval对复杂的字符表达式非常敏感，一般不推荐用于生产代码。

于 2019-08-26T13:37:14.523 回答