部分摘自:https://youngspring1.github.io/2016/2016-03-13-datatable1/
data.table的妙用:
tips:
with=FALSE
是data.table的默认值,你可以使用 with = FALSE 来引用列名。
1,fread(’’) 可以读取好多类型文件,如csv,txt,且读取的时候自动header,sep和skip,但也可以自己设置
2,索引上可以和data.frame一模一样
保留列,wa = wa[,c(‘customer_id’,‘product_id’)],wa = wa[,1:3]
wa =
wa[,list(c(‘customer_id’,‘product_id’))], wa = wa[,.(1:3)]
返回的是向量类型和data.table类型
删除列,wa = wa[,!c(‘customer_id’,‘product_id’)]
利用%like% 命令进行模糊匹配:
dat7
= mydata[,names(mydata) %like% “dep”, with=FALSE]
3, 对变量重命名:
setnames(mydata,
c(“dest”,“origin”), c(“Destination”,
“origin.of.flight”))
4,子集的筛选与过滤:
dat9
= mydata[origin %in% c(“JFK”, “LGA”)]
dat11
= mydata[origin == “JFK” & carrier == “AA”]
5, 利用setsky(wa,product_id)来设置键值,可直接索引键值
6,ans =
wa[product_id == ‘B00009V3WS’,length(customer_id)];
ans
= wa[product_id == ‘b00xyve4b8’,.N]; 这里.N就和length()功能一样
nrow(flights[origin
== “JFK” & month == 6L]) 也可以达到此效果,但是效率更低
7,ans =
biu[,sum((V2+V3)<1.5)] 找出V2+V3 <1.5 的所有行数
ans_2 = biu[,(V2+V3)<1.5] 找出满足的V2+V3 <1.5 的行号(index)
8
a) 用by分组:
ans
= wa[,.(.N),by=‘product_id’] 或 ans =
wa[,.(.N),by=product_id]
ans
= wa[,.(.N),by=c(‘product_id’,‘review_id’)]; 对两列同时分组
以上方法,分组后的顺序会反映在结果中,即原数据和结果数据顺序一致,data.table本身就被设计成能保持原数据的顺序。在一些情况下,必须保持原来的顺序。但是,有时我们希望自动根据分组的变量排序。
b)参数keyby
.SD的使用