r data.table包_如何在R data.table包中使用.SD

r data.table包

对于某些data.table用户，“ dot-SD”有点神秘。 但是data.table的创建者Matt Dowle告诉我，它实际上非常简单：只需将其视为代表“每个组”的符号即可。 让我们来看几个例子。

我有一个来自波士顿地区自行车共享系统的每日自行车旅行数据集。 如果您想继续，可以从本文底部的链接下载CSV文件。

我将加载data.table并使用data.table的fread()函数导入CSV文件。 在下面的代码中，我将数据保存到名为mydt的数据表中。

library(data.table)
mydt <- fread("daily_cycling_trips_by_usertype.csv")

接下来，我建议使用head(mydt)打印前六行，以查看数据的外观。 您会看到数据中包含日期，用户类型（订户或单程客户），行程数，年份和月份开始日期的列，以按月汇总。

Matt建议的第一个示例：打印按用户类型分组的数据表的前几行。 （我们正在过滤前12行，只是为了更容易看到输出）。

mydt[1:12, print(.SD), by = usertype]

print()遍历每个组，并分别打印两次，每种用户类型一次。 但是，问题是我不知道哪个是客户用户组，哪个是订户用户组。 “ by”列没有打印出来。 幸运的是，Matt向我展示了一个小技巧。

如果您熟悉mydt[i, j, by] data.table语法，则在数据表名称后的括号符号中包含三部分： i ， j和by 。 i是用于过滤行， j是你想做的事，和by是你想怎么组数据。

例如：

mydt[1:12, { print(.SD) }, by = usertype]

在上面的代码行中，我只是在j部分周围加上了花括号。 这将使我在j参数中添加多个R表达式。 现在，它仍然与以前相同：没有用户类型名称。

但是在下一行代码中，请看我添加的R语句（好吧，Matt告诉我添加）： print(.BY) 。

mydt[1:12, { print(.BY); print(.SD) }, by = usertype]

.BY是一个特殊的data.table符号，其中包含by的值–我要对哪个或哪些列进行分组。

如果运行此代码，则将具有每个分组变量的名称以及打印输出。

沙龙·马克斯（IDG）

使用data.table和.SD按组进行打印的结果。

这是一个非常基本的例子。 我猜测您可能想对.SD做一些比打印更有趣的事情。 接下来，让我们看一下按组汇总数据，计算出今年每个月哪一天旅行次数最多。

这行代码包含所有内容：

mydt[Year == "2019", .SD[which.max(Trips)], by = MonthStarting]

括号过滤器中的i第一个参数过滤年份为2019的任何行j参数是.SD的有趣部分。 可以将.SD看作是指您的每组数据。 或者像马特说，“你这样做j通过by 。 就像一个for循环。”

如果要查看每个月和每个用户类型的最大值，该怎么办？ 只需在by （third）参数中添加另一列即可：

mydt[Year == "2019", .SD[which.max(Trips)],
    by = .(MonthStarting, usertype)]

有多种方法可以表示按data.table中的多个列进行分组。 一种方法是在无引号的列名称前加上点号，如上所述。 另一种方法是使用list而不是点，例如：

mydt[Year == "2019", .SD[which.max(Trips)],
     by = list(MonthStarting, usertype)]

您还可以使用传统的基R向量，并在每个列名称前后加上引号。

mydt[Year == "2019", .SD[which.max(Trips)],
by = c("MonthStarting", "usertype")]

有关R的更多技巧，请访问InfoWorld上的“用R做更多”视频页面，或查看YouTube播放列表“用R做更多” 。

下载

自行车行程数据样本

CSV文件随附我的“如何在R data.table包中使用.SD”文章和视频Sharon Machlis

希望下次见！

翻译自: https://www.infoworld.com/article/3408908/how-to-use-sd-in-the-r-datatable-package.html

r data.table包