r - 将单列传递给 j 和从 data.table 中选择同一列有什么区别？

Question

我有一个包含 name 的 data.table和 class .每个name属于一个 class .这是一个示例数据集。

library(data.table)
DT <- data.table(name = c("John","Smith","Jane","Ruby","Emerald","Jasmine","Tulip"),
             class = c(1,2,3))

我想创建一个列，其中包含一个人所属类(class)中的所有学生。这就是我正在做的事情并且它有效。

DT[, class.students := paste(.SD), .SDcols = "name", by = "class"]

我试图理解为什么以下不起作用，即它不会在所有 name 的列表上评估该函数位于组中(它只返回创建列中行的 name 值)

DT[, class.students := paste(name), by = "class"]

特别是当下面的代码带有 max 时按预期工作，即它评估组中的所有元素并为每个组返回相同的值。

DT[, class.students := max(name), by = "class"]

我在这里缺少什么？

编辑: max是一个不好的例子，因为它在第一种方式中不起作用，使用 .SDcols ，但我希望我想表达的意思是清楚的。

Answer 1

.SD是 list ，因此它返回一个可能不需要的输出(如果我们检查 str )。作为一个小例子

paste(list(letters[1:3])) #not the desirable output
#[1] "c(\"a\", \"b\", \"c\")"

paste(letters[1:3]) #did not change anything
#[1] "a" "b" "c"

然而， paste还有 sep和 collapse作为参数

paste(letters[1:3], collapse=", ")
#[1] "a, b, c"

使用 OP 的示例，

DT[, class.students := paste(name, collapse=", "), by = class]

我们建议将函数直接应用于 .SD ，但如果只有一列，我们可以转换 list至 vector要么来自 [[或使用 unlist 进行转换等等。

DT[,  class.students := paste(unlist(.SD), collapse=", "), by = class]

或者

DT[, class.students := paste(.SD[[1]], collapse=", "), by = class]

如果我们检查 str(DT)综上所述，这将是相同的

关于在 .SD 上应用函数的最佳方式- 正如我们已经提到的，它是一个 list .和 .SD当列数较多时很有用。如 data.frame ，当有多个列时，我们用 lapply 遍历列然后继续

DT[, class.students := lapply(.SD, paste, collapse=", "), by = class]

我们也可以指定 .SDcols如果只使用了列的子集。这里，在这个例子中，只有两列，所以 .SDcols不需要。

str(DT)
#Classes ‘data.table’ and 'data.frame':  7 obs. of  3 variables:
# $ name          : chr  "John" "Smith" "Jane" "Ruby" ...
# $ class         : num  1 2 3 1 2 3 1
# $ class.students: chr  "John, Ruby, Tulip" "Smith, Emerald" "Jane, Jasmine" "John, Ruby, Tulip" ...
# - attr(*, ".internal.selfref")=<externalptr>