R中data.table的行名，用于model.matrix

Question

我有一个 data.table DT我想跑 model.matrix在上面。每行都有一个字符串ID，存储在ID中DT的栏目.当我跑 model.matrix在 DT ，我的公式不包括 ID柱子。问题是，model.matrix由于 NAs 丢弃了一些行。如果我设置 DT 的行名到 ID列，之前调用 model.matrix ，那么最终的模型矩阵有行名，我已经准备好了。否则，我无法弄清楚我最终得到了哪些行。我正在使用 rownames(DT) = DT$ID 设置行名.但是，当我尝试向 DT 添加新列时, 我收到投诉

"Invalid .internal.selfref detected . . . At an earlier point, this data.table has been copied by R."

所以我想知道

有没有更好的方法来为 data.table 设置行名？

有没有更好的方法来解决这个问题。

Answer 1

这里有几个问题。

首先，它是data.table的一个特点。他们没有 rownames ，相反，他们有 key s 更强大。见 this great vignette .

但是，这并不是世界末日。 model.matrix当您传递 data.table 时返回合理的行名

例如

A <- data.table(ID = 1:5, x = c(NA, 1:4), y = c(4:2,NA,3))

mm <- model.matrix( ~ x + y, A)

rownames(mm)

## [1] "2" "3" "5"

所以第 2,3 和 5 行是包含在 model.matrix 中的那些。

现在，您可以将此序列作为列添加到 A .如果您随后将 key 设置为其他内容(从而丢失原始顺序)，这将很有用

A[, rowid := seq_len(nrow(A)]

您可能会考虑将其设为字符(如 mm 的行名))，但这并不重要(因为您可以在需要引用时轻松地将 rownames(mm) 转换为数字。

至于 data.table的警告给，如果你读下一句话

Avoid key<-, names<- and attr<- which in R currently (and oddly) may copy the whole data.table. Use set* syntax instead to avoid copying: setkey(), setnames() and setattr()

rownames是一个属性 rownames<- (内部在某个时候使用等效于 attr<- )将以相同的方式(可能复制)。

来自 `row.names<-.data.frame` 的线路是

attr(x, "row.names") <- value

话虽如此， data.tables没有行名，所以没有必要设置它们。