使用字符串指定 data.table 列

Question

考虑以下最小工作示例：

library(magrittr) # for the %>% pipe 
library(data.table) 

# test data.table contains common_column and two others
test_dt <- data.table(test_column_one = c(1, 2, 3), test_column_two = c("x","y","z"), common_column = c("ID1", "ID2", "ID3") ) 

# some other data.table that contains common_column
other_dt <- data.table( additional_info = c("US", "US", "GB"), common_column = c("ID1", "ID2", "ID3")) 

example_function <- function(dt_column){
  # does some things on the data tables based on the column parameter passed
  merged_dt <- merge(other_dt, test_dt[,.(common_column, dt_column)], by = "common_column")[order(dt_column),] # order by the dt_column
  return(merged_dt)
} 

# calling the example function
example_function(test_dt$test_column_one)

我怎样才能将代码修改为：

1. 能够指定一个以列名作为参数的字符串
2. 能够传递带有列名称的向量或字符串列表

我想避免 for 循环并尽可能利用优化的 data.table 语法。

我尝试使用data.tableunlist()特定..的语法，但不知何故我总是收到奇怪的错误消息，并且不确定如何继续。

Answer 1

env 用于 data.table 编程的新接口解决了所有这些问题，并且不需要其他方法和 hack。

使用 SamR 的很好的例子，从 mt_cars（在 j 中）中选择“mpg” ，同时也在（在 i 中）some_col进行排序：some_col

setDT(mtcars)
some_col <- "wt"
mtcars[order(v), .(mpg, v), env=list(v=some_col)]

请参阅此处的新闻第 10 项和此小插图。要更新到开发版本 1.14.99：data.table::update_dev_pkg().

Answer 2

创建列名称向量

我在下面列出了三种方法来做到这一点，但我认为最清楚的是创建一个与语法一起使用的列向量..。

example_function <- function(dt_column, dt1 = other_dt, dt2 = test_dt) {
    cols_to_merge <- c("common_column", dt_column)
    merged_dt <- merge(
        dt1,
        dt2[, ..cols_to_merge],
        by = "common_column"
    )

    # No need to pipe - see explanation below
    setorderv(merged_dt, dt_column)
    return(merged_dt)
}

example_function("test_column_one")
#    common_column additional_info test_column_one
#           <char>          <char>           <num>
# 1:           ID1              US               1
# 2:           ID2              US               2
# 3:           ID3              GB               3

与其他方法的比较

假设我们要从mpg中选择一个动态列mtcars，在本例中恰好是wt。

mtcars <- as.data.table(mtcars)
col_of_interest <- "wt"

我认为基本上有三种data.table方法。

1. 如上。正如data.table v1.10.2（2017 年 1 月 31 日）文档所述：

Whenj是以 it 为前缀的符号，..将在调用范围中查找，其值取为列名或数字。

cols  <- c("mpg", col_of_interest)
mtcars[, ..cols]

2. 自data.table v1.11.0（2018 年 5 月 1 日）起：

这个 [the ..] 前缀现在扩展到出现在的所有符号j=

mtcars[, c("mpg", ..col_of_interest)]

3. 如使用 .SD 进行数据分析小插图中所述。

cols <- c("mpg", col_of_interest)
mtcars[, .SD, .SDcols = cols]

我个人认为创建列名向量是最清晰的方法，但第二种方法意味着创建的变量少了一个。第三种方法是向后兼容的。

使用注意事项order()

文档指定..仅适用于j. 以下语句是等效的：

mtcars[order(mpg)]
mtcars[order(mpg),]
mtcars[i = order(mpg),]

正如order(mpg)提供的参数一样i，如果我们设置了x <- "mpg"，那么这样做是无效的mtcars[order(..x)]。

如果您必须使用order()，可以通过以下一些方法来实现：

# Use ..
mtcars[order(mtcars[, ..x])]
# Use `[[`
mtcars[order(mtcars[[x]])]
# Use .SD
mtcars[mtcars[, sapply(.SD, order), .SDcols = x]]
# Use get() (this has been retired in favour of `env` - see comments)
mtcars[order(get(x))]

然而，这些创建了数据的副本，它们并不美观，而且也有限制（如果您想按两列排序怎么办？）。

正如我上面提供的那样，通常最好不要通过管道和子集设置来创建副本，而是通过使用就地修改example_function()来利用效率：data.tablesetorderv()

setorderv(mtcars, x)

这也可以轻松扩展到您想要按多列进行排序的情况。