什么是 data.table ， R 中的“dplyr Mutate”等价物？

Question

目标数据表如下：

#DT
NO    GROUP   KEY          TYPE  <--- Create this column
12-19  N      1701         INN
10-20  N      1602         INN
13     P      1501John     BANK
14     R      1408Mary     POOL
15     G      1408Peter    PARK
19     K      1408Paul     BANK
25     P      1708         OTHER
36     R      1503         OTHER

第 1 步：使用 col : KEY 从另一个表中查找 TYPE 信息

DT[,"TYPE":= RefDT[match(DT$KEY,Ref$KEY),2]]

# RefDT like below :

KEY          TYPE
1609TOM      PARK
1501John     BANK
1408Mary     POOL
1408Peter    PARK
1408Paul     BANK
1309Sue      POOL

• 与 KEY 不匹配的行变为 NA #

第 2 步：创建下一个组信息而不覆盖第 1 步结果

*如果 Col : 不包含“-”，则 TYPE 为“INN”。

DT[,TYPE:= ifelse(grepl("-",DT$No),"INN",TYPE)]

第 3 步：改变其余 NA 行而不覆盖第 1 步和第 2 步结果

*如果 Col : GROUP 是 "P" 或 "R" ， TYPE 是 "Other" ，第 1 步规则覆盖此规则。这就是为什么即使某些行在 Col : GROUP 中包含“P”或“R”，如果它们具有有效的 KEY，它们的 TYPE 也不会改变。

DT <- DT[is.na(TYPE),] %>% mutate(TYPE = ifelse(grepl("P|R",GROUP),"OTHER",TYPE)) %>%
  rbind(DT[!is.na(TYPE),])

data.table中步骤3的等效方法是什么？

由于实际数据集包含 2 百万行，我需要一个更快的 实现这一点的方法。欢迎任何有效的脚本 总结三个只创建一列的笨拙脚本。

Answer 1

如果我们使用data.table，请通过“KEY”与“RefDT”进行连接，分配（:= -类似于mutate）“RefDT”中的“TYPE”以创建“TYPE”列在“DT”中。如果没有匹配，则默认填充为NA。然后通过在i 中指定逻辑条件（grepl("-", NO) - 检查“NO”列中的-，检查“GROUP”中的“P”或“R”，其中“TYPE”为NA)

setDT(DT)[RefDT, TYPE := TYPE, on = .(KEY)]
DT[grepl("-", NO), TYPE := "INN"
       ][is.na(TYPE) & grepl("P|R", GROUP), TYPE := "OTHER"][]
#      NO GROUP       KEY  TYPE
#1: 12-19     N      1701   INN
#2: 10-20     N      1602   INN
#3:    13     P  1501John  BANK
#4:    14     R  1408Mary  POOL
#5:    15     G 1408Peter  PARK
#6:    19     K  1408Paul  BANK
#7:    25     P      1708 OTHER
#8:    36     R      1503 OTHER

数据

DT <- structure(list(NO = c("12-19", "10-20", "13", "14", "15", "19", 
"25", "36"), GROUP = c("N", "N", "P", "R", "G", "K", "P", "R"
), KEY = c("1701", "1602", "1501John", "1408Mary", "1408Peter", 
"1408Paul", "1708", "1503")), .Names = c("NO", "GROUP", "KEY"
), row.names = c(NA, -8L), class = "data.frame")


RefDT <- structure(list(KEY = c("1609TOM", "1501John", "1408Mary", "1408Peter", 
"1408Paul", "1309Sue"), TYPE = c("PARK", "BANK", "POOL", "PARK", 
"BANK", "POOL")), .Names = c("KEY", "TYPE"), 
 class = "data.frame", row.names = c(NA, 
-6L))