r - 从 data.table 中的行获取向量

Question

我有一个从 csv 文件（本质上是 SQL 查询的结果）中读取的大 data.table。每条记录都有几组 20 个字段，它们是特定事物（例如，特定类型的付款）的年度数据。这是一个简化版本，只有 5 行和 3 个年度贡献字段

> dt <- data.table(id=1:5, dob = sample(1950:2000, 5), cont01=11:15, cont02=21:25, cont03=31:35)
> dt
   id  dob cont01 cont02 cont03
1:  1 1981     11     21     31
2:  2 1954     12     22     32
3:  3 1985     13     23     33
4:  4 1986     14     24     34
5:  5 1970     15     25     35

我希望至少得到一个向量列表，每个记录一个向量：

list (c(11, 21, 31), c(12, 22, 32), c(13, 23, 33), c(14, 24, 34), c(15, 25, 35))

不过，理想情况下，我想我希望向量位于数据表中，作为一个新列。更理想的是，我需要向量是固定长度的，每个元素都在特定年龄支付。所以第一行这 3 列的向量是

> c(rep(0, 5), 11, 21, 31, rep(0, 38))

向量中的第一个年龄是 15 岁，最后一个是 60 岁。

从this question 看来，列表的 data.table 列是可能的。但是我还没有弄清楚如何从同一行中的其他列创建内容。

例如：

> dt[1, list(list(c(.SD))), .SDcols=c("cont2011", "cont2012", "cont2013")]
       V1
1: <list>
> dt[1, list(list(c(.SD))), .SDcols=c("cont2011", "cont2012", "cont2013")][,V1]
[[1]]
[[1]]$`cont2011`
[1] 11

[[1]]$cont2012
[1] 21

[[1]]$cont2013
[1] 31

似乎并没有真正提供我想要的东西，因为我看不到如何在V1 列的内容上做一些漂亮的矢量事情。 （我需要在我得到的向量上做很多欧几里得距离类型的事情）。

有什么想法吗？对替代方法的建议？ data.table 中有大约 1300 万行，以及 5 组 20（左右）列，我希望能够这样做。

Answer 1

您可以使用以下代码创建新的列表列。

dt[, newcol := .(.(c(cont01, cont02, cont03))), by = id]

#    id  dob cont01 cont02 cont03   newcol
# 1:  1 1993     11     21     31 11,21,31
# 2:  2 1960     12     22     32 12,22,32
# 3:  3 1977     13     23     33 13,23,33
# 4:  4 1955     14     24     34 14,24,34
# 5:  5 1959     15     25     35 15,25,35

给出相同结果的另一个选项是

dt[, newcol := .(.(unlist(.SD))), by = id, .SDcols = names(dt)[3:5]]

函数. 只是list 的别名，在[.data.table 中可用。

Answer 2

我们通过数据的row 索引和unlist 对数据集的列进行子集化，split

subdt <- as.data.frame(dt[, 3:5, with = FALSE])
lapply(split(subdt, row(subdt)), unlist, use.names = FALSE)

---

或者在对列进行子集化之后，通过转置将其转换为matrix，然后通过col 的col 索引将其转换为splitmatrix

m1 <- t(dt[, 3:5]) 
unname(split(m1, col(m1)))
#[[1]]
#[1] 11 21 31

#[[2]]
#[1] 12 22 32

#[[3]]
#[1] 13 23 33

#[[4]]
#[1] 14 24 34

#[[5]]
#[1] 15 25 35