dplyr mutate 的 data.table 替代品？答案

【问题标题】：data.table alternative for dplyr mutate?dplyr mutate 的 data.table 替代品？
【发布时间】：2015-04-11 22:10:38
【问题描述】：

我正在学习 R，但我不确定在 dplyr 或 data.table 上进行标准化是否有意义。 Dplyr 的语法非常好，但据我了解，它会在每个操作上复制数据帧，这是（或可能是）一个缺点。

我想不通的一件事是 mutate 的替代方法。

如果我有

df %>% group_by(foo) %>% mutate(
    bar  = cumsum(baz),
    q    = bar * 3.14)

我可以做某事

df[,c("bar"):=list(cumsum(baz)),by=foo]
df$q <- df$bar*3.14

在 data.table 中有更好的方法吗？

【问题讨论】：

请重现示例...？
对于初学者，第一行不需要c 或list。您的第二行有点突然退回到基本 R 语法。你怎么突然又用<-和$了？为什么不喜欢在你的第一行做类似df[,q:=bar*3.14] 的事情？
使用一种或另一种语法（个人喜好除外）有区别吗？我的意思是，在第一行中，由于“...，by=foo]”，我需要该语法。
您提到自己不想复制数据。所以<- 和$ 进行复制。如果您在数据表范围内使用:=，您将避免复制。这就是:= 的全部意义所在 - 它通过引用进行更新。

【解决方案1】：

你可以这样做：

# some test data:
df <- data.table(baz = 1:10, foo = c(rep(1, 5), rep(2, 5)))

df[, bar := cumsum(baz), by = foo]
df[, q := bar*3.14]

虽然只有两行，但可读性强且易于编写。

【讨论】：

【解决方案2】：

使用data.table 执行此操作的惯用方式是：

dt[, c("bar", "q") := {
       tmp = cumsum(baz)
       list(tmp, tmp*3.14)
     }, by = foo]

data.table 同时计算 j 表达式，而不是单独计算（故意），因此除非将更新的值存储在变量中，否则不能引用它。

这在许多情况下避免了意外。一个有用的场景是：

dt[, c("a", "b") := list(pmin(a,b), pmax(a,b))]

:= 的行为与 base 相同，只是它通过引用更新输入对象。它不等同于mutate。

【讨论】：

感谢您提供额外的 pmin 与 pmax 示例，这确实有助于说明这个概念。
@Arun 我不明白这里的 'dt[, c("a", "b") := list(pmin(a,b), pmax(a,b))]' 示例.它应该说明什么？
@deb，j 被完全评估。如果a 首先被评估为pmin(a, b)，那么b 将始终为b，因为pmax(a, b) 将与a 的新值进行比较。