如何防止 data.table 将数字变量强制转换为字符变量而不手动指定这些？答案

【问题标题】：How to prevent data.table to force numeric variables into character variables without manually specifying these?如何防止 data.table 将数字变量强制转换为字符变量而不手动指定这些？
【发布时间】：2015-07-22 16:08:36
【问题描述】：

考虑以下数据集：

dt <- structure(list(lllocatie = structure(c(1L, 6L, 2L, 4L, 3L), .Label = c("Assen", "Oosterwijtwerd", "Startenhuizen", "t-Zandt", "Tjuchem", "Winneweer"), class = "factor"), 
                 lat = c(52.992, 53.32, 53.336, 53.363, 53.368), 
                 lon = c(6.548, 6.74, 6.808, 6.765, 6.675), 
                 mag.cat = c(3L, 2L, 1L, 2L, 2L), 
                 places = structure(c(2L, 4L, 5L, 6L, 3L), .Label = c("", "Amen,Assen,Deurze,Ekehaar,Eleveld,Geelbroek,Taarlo,Ubbena", "Eppenhuizen,Garsthuizen,Huizinge,Kantens,Middelstum,Oldenzijl,Rottum,Startenhuizen,Toornwerd,Westeremden,Zandeweer", "Loppersum,Winneweer", "Oosterwijtwerd", "t-Zandt,Zeerijp"), class = "factor")),
            .Names = c("lllocatie", "lat", "lon", "mag.cat", "places"), 
            class = c("data.table", "data.frame"), 
            row.names = c(NA, -5L))

当我想将最后一列中的字符串拆分为单独的行时，我使用（data.table 版本 1.9.5+）：

dt.new <- dt[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed=TRUE))), by=list(lllocatie,lat,lon,mag.cat)]

但是，当我使用：

dt.new2 <- dt[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed=TRUE))), by=lllocatie]

我得到了相同的结果，除了所有列都被强制为字符变量。问题在于，对于小型数据集，在 by 参数中指定不必拆分的变量并不是一个大问题，但对于具有许多列/变量的数据集来说，这是一个大问题。我知道可以使用splitstackshape 包（正如@ColonelBeauvel in his answer 提到的那样）来执行此操作，但我正在寻找data.table 解决方案，因为我想将更多操作链接到此。

如果不手动指定不必在 by 参数中拆分的变量，如何防止这种情况发生？

【问题讨论】：

对tstrsplit() 使用type.convert=TRUE 参数。
如果是指定很多变量的问题，你能用setdiff(names(dt),badcol)之类的东西来构造你的by和.SD吗？
@Arun 有效（听起来像是一个答案:-)）

标签： r data.table splitstackshape

【解决方案1】：

data.table 的两个解决方案：

1：按照@Arun 的建议，在tstrsplit() 中使用type.convert=TRUE 参数：

dt.new1 <- dt[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed=TRUE, type.convert=TRUE))), by=lllocatie]

2：在@Frank 提出的by 参数中使用setdiff(names(dt),"places")：

dt.new2 <- dt[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed=TRUE))), by=setdiff(names(dt),"places")]

两种方法的结果相同：

> identical(dt.new1,dt.new2)
[1] TRUE

第二种解决方案的优点是，当您有多个包含字符串值的列时，只有您在 setdiff(names(dt),"places") 中指定的列被拆分（假设您只想要那个特定的列，在本例中为 places）分裂）。 splitstackshape 包也提供了这一优势。

【讨论】：

【解决方案2】：

这正是来自splitstackshape 包的cSplit 的工作：

library(splitstackshape)

cSplit(dt, 'places', ',')

【讨论】：

谢谢，我知道我可以用splitstackshape 做到这一点（但忘了在问题中提到这一点），但想要一个data.table 解决方案，因为想要链接更多的东西（+1不过）。
@Jaap splitstackshape 是一个基于 data.table 的包。但当然 Arun 提供了正确的答案。我很惊讶你不知道这一点，因为我们讨论了这个多星期，当时我最终提交了关于 type.convert 的错误报告，最终将在 R 的下一个版本中修复:)
@Jaap，如果你可以导入data.table，你可以导入splitstackshape！并且可以在 cSplit 之后进行链式操作！
不知道splitstackshape 是一个基于data.table 的包。因此，您可以在cSplit 之后链接操作是合乎逻辑的。我认为这是一个学习时刻:-)