data.table 上的逐行操作答案

【问题标题】：Row wise operation on data.tabledata.table 上的逐行操作
【发布时间】：2014-02-12 01:18:07
【问题描述】：

假设我想逐行计算几列范围的大小。

set.seed(1)
dat <- data.frame(x=sample(1:1000,1000),
                  y=sample(1:1000,1000),
                  z=sample(1:1000,1000))

使用 data.frame()，我会做这样的事情：

dat$diff_range <- apply(dat,1,function(x) diff(range(x)))

更简单地说，我正在寻找这个操作，在每一行上：

diff(range(dat[1,]) # for i 1:nrow(dat)

如果我对整个表都这样做，它会是这样的：

setDT(dat)[,diff_range := apply(dat,1,function(x) diff(range(x)))]

但是我将如何仅对命名（或编号）行执行此操作？

【问题讨论】：

这个问题听起来您想做的只是对数据框或数据表进行子集化，但根据您的个人资料，您已经知道如何做到这一点。您实际上想在这里实现什么目标？
我想我的印象是我可以在apply() 表达式中使用类似于 data.table 引用列的符号。这符合我的预期：dt[,diff_range := apply(dt[,1:2,with=FALSE]...，但我认为我可以做一些魔法：apply(1:2, ...)。我想我在这里回答了我自己的问题。
哦，是的，您可以，但不能以这种方式使用数据表，因为它会更改 dt 而不是制作副本。我用我最常用的方式添加了一个答案%in%

标签： r data.table

【解决方案1】：

您可以在函数之前/期间通过子集来实现。例如，如果您只想要每隔一行

dat_Diffs <- apply(dat[seq(2,1000,by=2),],1,function(x) diff(range(x)))

或者对于 1:10 的行名（因为没有指定他们的名字，所以它们只是数字递增）

dat_Diffs <- apply(dat[rownames(dat) %in% 1:10,],1,function(x) diff(range(x)))

但是为什么不先计算每行然后再计算子集呢？

【讨论】：

【解决方案2】：

这个怎么样：

D[,list(I=.I,x,y,z)][,diff(range(x,y,z)),by=I][c(1:4,15:18)]
#    I  V1
#1:  1 971
#2:  2 877
#3:  3 988
#4:  4 241
#5: 15 622
#6: 16 684
#7: 17 971
#8: 18 835

#actually this will be faster
D[c(1:4,15:18),list(I=.I,x,y,z)][,diff(range(x,y,z)),by=I]

使用 .I 为您提供一个索引以使用 by= 参数调用，然后您可以在每一行上运行该函数。第二个调用按任何行号列表进行预过滤，或者如果您的真实表格看起来不同，您可以添加一个键并对其进行过滤。

【讨论】：

但是这个解决方案只有在你明确指定每列的名称时才有效，如果有太多或者你不知道它就不起作用

【解决方案3】：

pmax 和pmin 以向量化的方式找到列中的最小值和最大值，这比单独拆分和处理每一行要好得多。它也很简洁：

dat[, r := do.call(pmax,.SD) - do.call(pmin,.SD)]


        x   y   z   r
   1: 266 531 872 606
   2: 372 685 967 595
   3: 572 383 866 483
   4: 906 953 437 516
   5: 201 118 192  83
  ---                
 996: 768 945 292 653
 997:  61 231 965 904
 998: 771 145  18 753
 999: 841 148 839 693
1000: 857 252 218 639

【讨论】：