使用来自另一个 data.table 的引用创建新变量

Question

我知道这可以通过 for 循环来完成，但我确信在 data.table 的构造中存在更优雅的解决方案。

我有两个数据表，将使用“iris”来说明我的问题：

library("data.table")
A <- as.data.table(iris)                      #primary data table
B <- A[Sepal.Width > 3, .N, by = Species]     #count from A meeting condition

head(A, 3)
#       Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#1:          5.1         3.5          1.4         0.2     setosa
#2:          4.9         3.0          1.4         0.2     setosa
#3:          4.7         3.2          1.3         0.2     setosa

B
#      Species  N
#1:     setosa 42
#2: versicolor  8
#3:  virginica 17

我想向 B 添加一个新变量，它只是 B 表示的数据集的比例，即对于第一行，输出将类似于：

B[, Proportion := N/nrow(A[Species == "setosa"])]

该索引的 RHS 显然需要是动态的，逐行引用 B 中第一列的值..

正是这个迭代让我难以理解（尽管我觉得它可能与数据表键有关？）；非常感谢任何帮助！

Answer 1

我会这样处理：

A <- as.data.table(iris)
B <- A[Sepal.Width > 3, .N, by = .("spec" = Species)]

B[, Proportion := N/nrow(A[Species == spec]), by = spec]

给出：

> B
         spec  N Proportion
1:     setosa 42       0.84
2: versicolor  8       0.16
3:  virginica 17       0.34

解释：

• 通过将Species 列重命名为spec，您可以防止R & data.table 不知道要使用哪一列来计算Proportion。
• 使用by = spec 可以确保在A[Species == spec] 中使用正确的spec。

Answer 2

一个问题很多解决方案;-)

library("data.table")
A <- as.data.table(iris)                      #primary data table

B <- A[, .(group.count = nrow(.SD[Sepal.Width > 3]), total.count = .N), by = Species]
         [, Proportion := group.count / total.count]

# Just to validate the total counts:
A[, .N, by = Species][]

结果：

      Species group.count total.count Proportion
1:     setosa          42          50       0.84
2: versicolor           8          50       0.16
3:  virginica          17          50       0.34

工作原理：

首先按物种分组，然后对每个组进行计数（包含在变量.SD = 当前组的“子数据”中），从而再次过滤每个组的行以仅计算相关行。然后我在第二个“链式”data.table 查询（在第二个方括号内）中使用结果来计算比例。

.() 运算符是一个 data.table 是一个缩写。对于列表构造函数list() 并且因为我返回不止一列而需要。

:= 运算符通过引用创建一个新列（= 无需复制整个数据表 = 非常快）。