data.table進階技巧及範例 | R語言資料科學

原始文章

data.table進階技巧及範例 | R語言資料科學

data.table是R語言的熱門套件，能夠快速處理大量資料，效率高於dplyr，且得利於語法結構的精巧設計，data.table更容易寫出版排整齊的程式。這篇文章會討論data.table的進階技巧，在Cheat Sheat上也不一定找得到。

開始之前，記得先安裝dplyr和data.table套件並載入。

install.packages('dplyr')
install.packages('data.table')
library('dplyr')
library('data.table')

.GRP – 為每個Group加上Index

dt <- data.table(C1 = c("A", "B", "C", "B", "A"),
                 C2 = c(1, 2, 3, 2, 1))
dt2 <- dt[, INDEX := .GRP, by = .(C1)]

   C1 C2 INDEX
1:  A  1     1
2:  B  2     2
3:  C  3     3
4:  B  2     2
5:  A  1     1

以row index及column index來subset

dt <- data.table(C1 = 1:3,
                 C2 = 101:103,
                 C3 = 901:903)
dt_row <- dt[1:2, ]
dt_col <- dt[, 2:3]
dt_row_col <- dt[1:2, 2:3]

> dt_row
   C1  C2  C3
1:  1 101 901
2:  2 102 902

> dt_col
    C2  C3
1: 101 901
2: 102 902
3: 103 903

> dt_row_col
    C2  C3
1: 101 901
2: 102 902

將data.table物件轉換成Vector

必須先轉成matrix，再轉成vector。

dt <- data.table(C1 = 1:3,
                 C2 = 101:103,
                 C3 = 901:903)
d2 <- dt %>% 
      as.matrix() %>%
      as.vector()

> d2
[1]   1   2   3 101 102 103 901 902 903

用dcast轉置時，修改預設的欄位名稱

dt <- data.table(C1 = c(1, 2, 3, 4),
                 C2 = c(2, 3, 4, 5),
                 C3 = c(1, 3, 5, 6),
                 C4 = c(1, 2, 4, 7))
dt_dcast <- dcast(dt, C1 + C2 ~ paste0("NEW_", C3), value.var = c("C4"))

> dt_dcast
   C1 C2 NEW_1 NEW_3 NEW_5 NEW_6
1:  1  2     1    NA    NA    NA
2:  2  3    NA     2    NA    NA
3:  3  4    NA    NA     4    NA
4:  4  5    NA    NA    NA     7