在 R 中使用 data.table 有条件地组合列答案

【问题标题】：Combining columns conditionally using data.table in R在 R 中使用 data.table 有条件地组合列
【发布时间】：2014-04-20 16:41:39
【问题描述】：

我有一个包含一组植物的数据集。其中两种植物具有多条生产线。在分析数据时，我希望有一列将两个工厂放在一起，这些工厂有多条生产线，但其他所有生产线都原样。这是我的可重现数据集：

testset <- data.table(date=as.Date(c("2013-07-02","2013-08-03","2013-09-04","2013-10-05","2013-11-06")), yr = c(2013,2013,2013,2013,2013), mo = c(07,08,09,10,11), da = c(02,03,04,05,06), plant = LETTERS[1:5], PlantID = c(1,2,3,4,5,1,2,3,6,7), product = as.factor(letters[26:22]), rating = runif(25))

这是我正在寻找的附加列输出：

这是一个简单的例子，但我的真实数据集要大得多，所以我想用一种优雅的 data.table 方式来生成它。

【问题讨论】：

您的可重现数据的最后一列已损坏：它必须是 10 的倍数。

标签： r combinations data.table conditional-statements

【解决方案1】：

我不明白您想要的输出是什么，但希望这对您有所帮助。这是一个data.table 解决方案，用于查找所有独特的植物系：

> testset[,unique(paste0(plant, PlantID))]
[1] "A1" "B2" "C3" "D4" "D6" "E5" "E7"

【讨论】：

【解决方案2】：

当您使用data.table's 时，您不需要这样做。相反，您应该设置 key 或使用 ad-hoc by（如下例所示）。这是data.table 中运营的关键基础之一。

使用`by`的玩具示例：

请看下面的玩具示例。我们将id 和grp 变量的评级相加。因此，在存在重复项的情况下，它们会被求和，但分组变量的唯一组合将由它们自己处理（因此请注意最后一行的 rating 和 sum_rating 的值，它具有分组变量的唯一组合（其他行在您的示例中各有两行）：

# Make this data reproducible
set.seed(1)
dt <- data.table( id = c( rep( 1:2 , 2 ) , 1 ) , grp = c( rep( 1:2 , 2 ) , 3 ) , rating = sample( 5 , 5 , TRUE ) ) 
#   id grp rating
#1:  1   1      4
#2:  2   2      1
#3:  1   1      3
#4:  2   2      4
#5:  1   3      4

# Sum by 'id' and 'grp'...
dt[ , sum_rating := sum( rating ) , by = list( id , grp ) ]
dt
#   id grp rating sum_rating
#1:  1   1      4          7
#2:  2   2      1          5
#3:  1   1      3          7
#4:  2   2      4          5
#5:  1   3      4          4  <=====  rating and sum_rating are the same because this is a unique row

【讨论】：

使用by的玩具示例：

使用`by`的玩具示例：