R中用于model.matrix的data.table的行名

Question

我有一个data.tableDT，我想在上面运行model.matrix。每行都有一个字符串 ID，存储在DT 的ID 列中。当我在DT 上运行model.matrix 时，我的公式不包括ID 列。问题是，model.matrix 由于 NA 删除了一些行。如果我在调用model.matrix 之前将DT 的行名设置为ID 列，那么最终的模型矩阵有行名，我就准备好了。否则，我无法弄清楚我最终得到了哪些行。我用rownames(DT) = DT$ID 设置行名。但是，当我尝试向 DT 添加新列时，我收到了关于

的投诉

“检测到无效的 .internal.selfref ...... data.table 已被 R 复制。”

所以我想知道

1. 有没有更好的方法来为data.table 设置行名
2. 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，data.table 的一个功能是它们没有rownames，而是拥有更强大的keys。见this great vignette。

但是，这不是世界末日。 model.matrix 在传递 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。如果您随后将密钥设置为其他内容（从而丢失原始顺序），这将很有用

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

您可以考虑将其设为字符（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。

关于data.table给出的警告，如果你阅读下一句

避免 key

rownames 是一个属性rownames<-（在内部某个时候使用与attr<- 等效的属性）将以相同的方式（可能复制）。

`row.names<-.data.frame` 的行是

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

话虽如此，data.tables 没有行名，所以设置它们没有意义。