这种独特/过滤语法如何工作？答案

【问题标题】：How does this unique/filtering syntax work?这种独特/过滤语法如何工作？
【发布时间】：2021-08-12 21:10:09
【问题描述】：

我在 R 中创建了以下 data.table：

> DT
    ID num code
 1:  b 1   C1
 2:  b 1   C1
 3:  b 1   C1
 4:  b 1   C1
 5:  b 1     
 6:  b 3     
 7:  b 3   C1
 8:  a 3   C2
 9:  a 3   C3
10:  a 3   C3
11:  a 3     
12:  c 4   C3

其中空值是空字符串""。然后我运行指令

res <- DT[, .(agg_code = unique(code)[!(code == "")]), .(ID, num)]

导致

> res
   ID num agg_code
1:  b   1       C1
2:  b   1         
3:  b   1     <NA>
4:  b   1     <NA>
5:  b   3       C1
6:  a   3       C2
7:  a   3       C3
8:  a   3         
9:  c   4       C3

我的问题是：这个命令实际上在做什么？我知道它是按 ID 和 num 分组的，我不明白 unique(code) 和 [!(code == "")] 是如何工作的。他们正在删除一些行，但他们也保留一些"" 并创建一些<NA>。这里发生了什么？

为了完整起见，DT 由以下人员创建

DT = data.table(
  ID = c("b","b","b", "b","b", "b","b","a","a","a","a", "c"),
  num = c(1,1,1,1,1,3,3,3,3,3,3,4),
  code = c("C1", "C1","C1","C1", "", "","C1", "C2", "C3", "C3","", "C3")
)

【问题讨论】：

标签： r data.table filtering grouping unique

【解决方案1】：

FWIW 我会以不同的方式编写代码：

res <- DT[nzchar(code), TRUE, by=.(ID, num, agg_code=code)]

优点：

只需预先在非空code 上运行一次过滤器，而不是在每个组中运行它
让by= 为您处理unique(code) 逻辑。

注意事项：

您示例中的代码仍将返回ID/num 对，其中有no 个非空代码；在我的方法中，通过首先过滤，这些对会丢失。
nzchar(code) 与 !(code == "") 不同 NA 输入 -- 请注意 nzchar(NA) 是 TRUE 而 !(NA == "") 是 NA。如果这是一个问题，您可以将其更改为nzchar(code, keepNA = TRUE)。请注意，"" 与 NA（又名 NA_character_）不同。
j 中的 TRUE 是一次性的。如果更清楚，我们也可以写unique(DT[nzchar(code)], by=c('ID', 'num', 'code'))。我们必须在输出中重命名code->agg_code。

【讨论】：

【解决方案2】：

这三个命令应该澄清：

DT[ ID == "b" & num == 1, ]
#    ID num code
# 1:  b   1   C1
# 2:  b   1   C1
# 3:  b   1   C1
# 4:  b   1   C1
# 5:  b   1     

DT[ ID == "b" & num == 1, .(x = unique(code))]
#     x
# 1: C1
# 2:   

DT[ ID == "b" & num == 1, .(x = code == "")]
#        x
# 1: FALSE
# 2: FALSE
# 3: FALSE
# 4: FALSE
# 5:  TRUE

简而言之，unique 得到 2 个值，code == "" 给了我们 5 个值，所以第二个命令的输出被回收了。

【讨论】：