r - 我在 data.table 中复制行的方法有效吗？

Question

我在一个 data.table 中有每月数据，在另一个 data.table 中有年度数据，现在我想将年度数据与每月中的相应观察结果进行匹配数据。

我的做法是:复制每个月的年度数据，然后将月度和年度数据连接起来。现在我有一个关于行重复的问题。我知道该怎么做，但我不确定这是否是最好的方法，所以一些意见会很好。

这是我的年度数据的示例 data.table DT 以及我当前的复制方式:

library(data.table)
DT <- data.table(ID = paste(rep(c("a", "b"), each=3), c(1:3, 1:3), sep="_"),
                    values = 10:15,
                    startMonth = seq(from=1, by=2, length=6),
                    endMonth = seq(from=3, by=3, length=6))
DT
      ID values startMonth endMonth
[1,] a_1     10          1        3
[2,] a_2     11          3        6
[3,] a_3     12          5        9
[4,] b_1     13          7       12
[5,] b_2     14          9       15
[6,] b_3     15         11       18
#1. Alternative
DT1 <- DT[, list(MONTH=startMonth:endMonth), by="ID"]
setkey(DT,  ID)
setkey(DT1, ID)
DT1[DT]
ID MONTH values startMonth endMonth
a_1     1     10          1        3
a_1     2     10          1        3
a_1     3     10          1        3
a_2     3     11          3        6
[...]

最后的连接正是我想要的。但是，DT[, list(MONTH=startMonth:endMonth), by="ID"] 已经完成了我想要的一切，除了将其他列添加到 DT 中，所以我想知道我是否可以删除代码中的最后三行，即 setkey 和 join 操作。事实证明，您只需执行以下操作即可:

#2. Alternative: More intuitiv and just one line of code
DT[, list(MONTH=startMonth:endMonth, values, startMonth, endMonth), by="ID"]
 ID MONTH values startMonth endMonth
a_1    1     10          1        3
a_1    2     10          1        3
a_1    3     10          1        3
a_2    3     11          3        6
...

但是，这仅起作用，因为我将列名称硬编码到 list 表达式中。在我的真实数据中，我事先不知道所有列的名称，所以我想知道是否可以告诉 data.table 返回我的列 MONTH如上所示计算 DT 的所有其他列。 .SD 似乎能够做到这一点，但是:

DT[, list(MONTH=startMonth:endMonth, .SD), by="ID"]
Error in `[.data.table`(DT, , list(YEAR = startMonth:endMonth, .SD), by = "ID") : 
  maxn (4) is not exact multiple of this j column's length (3)

总而言之，我知道它是如何完成的，但我只是想知道这是否是最好的方法，因为我仍然在 data.table 的语法上遇到了一些困难>并且经常在帖子和维基上读到做事的方式有好有坏。另外，我不太明白为什么在使用 .SD 时出现错误。我认为这只是告诉 data.table 您想要所有列的任何简单方法。我错过了什么？

Answer 1

看到这个，我意识到答案是可能的，因为 ID 是一个唯一的键(没有重复项)。这是另一个重复的答案。但是，顺便说一句，一些 NA 似乎悄然出现。这可能是一个错误吗？我正在使用 v1.8.7(提交 796)。

library(data.table)
DT <- data.table(x=c(1,1,1,1,2,2,3),y=c(1,1,2,3,1,1,2))

DT[,rep:=1L][c(2,7),rep:=c(2L,3L)]   # duplicate row 2 and triple row 7
DT[,num:=1:.N]                       # to group each row by itself

DT
   x y rep num
1: 1 1   1   1
2: 1 1   2   2
3: 1 2   1   3
4: 1 3   1   4
5: 2 1   1   5
6: 2 1   1   6
7: 3 2   3   7

DT[,cbind(.SD,dup=1:rep),by="num"]
    num x y rep dup
 1:   1 1 1   1   1
 2:   2 1 1   1  NA      # why these NA?
 3:   2 1 1   2  NA
 4:   3 1 2   1   1
 5:   4 1 3   1   1
 6:   5 2 1   1   1
 7:   6 2 1   1   1
 8:   7 3 2   3   1
 9:   7 3 2   3   2
10:   7 3 2   3   3

<小时/>

为了完整起见，一种更快的方法是rep行号，然后一步获取子集(不分组，也不使用cbind或 .SD) :

DT[rep(num,rep)]
    x y rep num
 1: 1 1   1   1
 2: 1 1   2   2
 3: 1 1   2   2
 4: 1 2   1   3
 5: 1 3   1   4
 6: 2 1   1   5
 7: 2 1   1   6
 8: 3 2   3   7
 9: 3 2   3   7
10: 3 2   3   7

在此示例数据中，rep 列恰好与 rep() 基函数同名。