【发布时间】：2017-02-14 05:43:20
【问题描述】：
我正在使用 data.table 包。我有一个代表用户在网站上的操作的数据表。假设每个用户都可以访问一个网站，并对其执行多项操作。我的原始数据表包含动作（每一行都是一个动作），我想将此信息聚合到一个新的数据表中，按用户访问分组（每次访问都有一个唯一的 ID）。有一些字段由同一访问的操作共享 - 例如 - 用户名、用户状态、访问编号等。每次访问的至少一个操作包含此信息（不一定是所有操作）。我想为每次访问（= 具有相同访问 ID 的操作组）检索此字段的值，并将其设置为访问新数据表中的访问。比如我有如下原始数据表：
VisitID ActionNum UserName UserStatus VisitNum ActionType
aaaaaaa 1 John Active 5 x
aaaaaaa 2 Active y
aaaaaaa 3 John 5 z
bbbbbbb 1 NonActive w
bbbbbbb 2 Dan 7 t
我想要一个访问数据表，如下：
VisitID UserName UserStatus VisitNum
aaaaaaa John Active 5
bbbbbbb Dan NonActive 7
我创建了一个适用于数据表子集（仅访问的行）和一个字段的函数，该函数应应用于多个字段（UserName、UserStatus、VisitNum）。
getGeneralField<- function(visitDT,field){
vec = visitDT[,get(field)]
return (unique(vec[vec != ""])[1])
}
问题是，当 by=VisitID 时，每次在 .SD 上应用此功能的试验都会导致与我计划的不同...最好的方法是什么？我使用 !="" 以避免出现空白单元格。
【问题讨论】：
-
我猜你需要的是
dt[, lapply(.SD, function(x) x[nzchar(x)][1]), by = VisitID, .SDcols = 3:5] -
谢谢！完美运行！
标签： r user-defined-functions aggregation lapply