r - 转换 data.table 中的*一些*列类

Question

我想将 data.table cols 的一个子集转换为一个新类。这里有一个流行的问题 ( Convert column classes in data.table )，但答案会创建一个新对象，而不是对启动对象进行操作。

拿这个例子:

dat <- data.frame(ID=c(rep("A", 5), rep("B",5)), Quarter=c(1:5, 1:5), value=rnorm(10))
cols <- c('ID', 'Quarter')

如何最好地转换为 cols列到(例如)一个因素？在普通的 data.frame 中，您可以这样做:

dat[, cols] <- lapply(dat[, cols], factor)

但这对 data.table 不起作用，这也不起作用

dat[, .SD := lapply(.SD, factor), .SDcols = cols]

来自 Matt Dowle(2013 年 12 月)的链接问题中的评论建议如下，效果很好，但似乎不太优雅。

for (j in cols) set(dat, j = j, value = factor(dat[[j]]))

目前是否有更好的 data.table 答案(即更短的 + 不会生成计数器变量)，或者我应该使用上面的 + rm(j) ?

Answer 1

除了使用 Matt Dowle 建议的选项之外，另一种更改列类的方法如下:

dat[, (cols) := lapply(.SD, factor), .SDcols = cols]

通过使用 :=运算符(operator)通过引用更新数据表。检查这是否有效:

> sapply(dat,class)
       ID   Quarter     value 
 "factor"  "factor" "numeric" 

正如@MattDowle 在评论中所建议的，您还可以使用 for(...) set(...) 的组合如下:

for (col in cols) set(dat, j = col, value = factor(dat[[col]]))

这将给出相同的结果。第三种选择是:

for (col in cols) dat[, (col) := factor(dat[[col]])]

在较小的数据集上， for(...) set(...)选项大约比 lapply 快三倍选项(但这并不重要，因为它是一个小数据集)。在较大的数据集(例如 200 万行)上，这些方法中的每一种都需要大约相同的时间。为了在更大的数据集上进行测试，我使用了:

dat <- data.table(ID=c(rep("A", 1e6), rep("B",1e6)),
                  Quarter=c(1:1e6, 1:1e6),
                  value=rnorm(10))

有时，您必须以不同的方式执行此操作(例如，当数值存储为因子时)。然后你必须使用这样的东西:

dat[, (cols) := lapply(.SD, function(x) as.integer(as.character(x))), .SDcols = cols]

警告:以下解释为 不是 data.table ——做事的方式。数据表不会通过引用更新，因为复制并存储在内存中(如@Frank 所指出的那样)，这会增加内存使用量。更多的是为了解释 with = FALSE的工作原理的补充。 .

如果您想以与数据框相同的方式更改列类，则必须添加 with = FALSE如下:

dat[, cols] <- lapply(dat[, cols, with = FALSE], factor)

检查这是否有效:

> sapply(dat,class)
       ID   Quarter     value 
 "factor"  "factor" "numeric" 

如果不添加 with = FALSE ，数据表将评估 dat[, cols]作为向量。检查 dat[, cols] 之间的输出差异和 dat[, cols, with = FALSE] :

> dat[, cols]
[1] "ID"      "Quarter"

> dat[, cols, with = FALSE]
    ID Quarter
 1:  A       1
 2:  A       2
 3:  A       3
 4:  A       4
 5:  A       5
 6:  B       1
 7:  B       2
 8:  B       3
 9:  B       4
10:  B       5