用聚合值替换 data.table 中的值

Question

我想从data.table 计算一个聚合值并用它来替换原始值。我尝试了以下方法

library(data.table)
(DT <- data.table(grp  = rep(LETTERS[1:3], 3), 
                  val  = 1:9, 
                  val2 = rep(letters[24:26], each = 3)))
#    grp val val2
# 1:   A   1    x
# 2:   B   2    x
# 3:   C   3    x
# 4:   A   4    y
# 5:   B   5    y
# 6:   C   6    y
# 7:   A   7    z
# 8:   B   8    z
# 9:   C   9    z

(agg <- DT[, .SD[which.min(val)], grp])
#    grp val val2
# 1:   A   1    x
# 2:   B   2    x
# 3:   C   3    x

DT[, val3 := "New Value"]
agg[DT, on = "grp"][, .SD, .SDcols = !patterns("^i\\.")]
#    grp val val2      val3
# 1:   A   1    x New Value
# 2:   B   2    x New Value
# 3:   C   3    x New Value
# 4:   A   1    x New Value
# 5:   B   2    x New Value
# 6:   C   3    x New Value
# 7:   A   1    x New Value
# 8:   B   2    x New Value
# 9:   C   3    x New Value

虽然这种方法在这个玩具示例中有效，但我有几个问题：

1. 我想首先避免链接以避免大量复制未使用的列（我的真实数据集相当大2e5 x 200）引用data.table FAQ 1.10：

   因此，我们强烈建议使用 X[Y, j] 而不是 X[Y]

   将.SD 部分放入第一个子集中的j 插槽，不起作用

   agg[DT, .SD, on = "grp", .SDcols = !patterns("^i\\.")]
   # Error in do_patterns(colsub, names_x) : Pattern not found: [^i\.]
   

2. patterns 方法感觉有点老套，它依赖于假设data.table 将始终在Y 的列前面加上i.。如果包维护者出于某种原因更改它，我的代码就会中断。
3. 我还在学习data.table，我想了解data.table 中解决此问题的最“惯用”方法是什么

如何解决此问题，同时避免制作不必要的副本以节省资源？

注意。重要的是：我不想通过引用更改DT 中的值。

Answer 1

根据您的数据，这可能更有效并明确命名列：

library(data.table)
DT <- data.table(grp  = rep(LETTERS[1:3], 3), 
                  val  = 1:9, 
                  val2 = rep(letters[24:26], each = 3))
agg <- DT[, .SD[which.min(val)], grp]
DT[, val3 := "New Value"]

repcols <- setdiff(colnames(agg), "grp")
DT[, (repcols) := agg[DT, .SD, on = .(grp), .SDcols=repcols]][]
#>    grp val val2      val3
#> 1:   A   1    x New Value
#> 2:   B   2    x New Value
#> 3:   C   3    x New Value
#> 4:   A   1    x New Value
#> 5:   B   2    x New Value
#> 6:   C   3    x New Value
#> 7:   A   1    x New Value
#> 8:   B   2    x New Value
#> 9:   C   3    x New Value

编辑： 根据后续问题，通过引用进行更改可以例如可以这样直接实现：

library(data.table)
DT <- data.table(grp  = rep(LETTERS[1:3], 3), 
                 val  = 1:9, 
                 val2 = rep(letters[24:26], each = 3))

keepcols <- setdiff(colnames(DT), "grp") 
DT[, val3 := letters[1:9]]
# if you want to keep all of val3; otherwise switch the previous two lines

DT[, (keepcols) := .SD[which.min(val)], by=.(grp), .SDcols=keepcols][]
#>    grp val val2 val3
#> 1:   A   1    x    a
#> 2:   B   2    x    b
#> 3:   C   3    x    c
#> 4:   A   1    x    d
#> 5:   B   2    x    e
#> 6:   C   3    x    f
#> 7:   A   1    x    g
#> 8:   B   2    x    h
#> 9:   C   3    x    i

^{由reprex package (v0.3.0) 于 2020-04-24 创建}

Answer 2

通过引用分配将是非常惯用的。为什么您表示您对这种方法不感兴趣？

DT[agg, on = "grp", val3 := val3]

或者，如果 agg 确实是 DT 的集合，那么它可能是：

DT[, val4 := min(val), by = grp]

      grp   val   val2      val3  val4
   <char> <int> <char>    <char> <int>
1:      A     1      x New Value     1
2:      B     2      x New Value     2
3:      C     3      x New Value     3
4:      A     4      y New Value     1
5:      B     5      y New Value     2
6:      C     6      y New Value     3
7:      A     7      z New Value     1
8:      B     8      z New Value     2
9:      C     9      z New Value     3