根据两个 data.frames/data.tables 计算因子级别的新列

Question

我正在尝试计算 data.table dt 的新列的值。计算的一部分来自 data.frame df（也可以是 data.table，到目前为止我还不需要它）。

如果因子级别（此处为：sample）匹配，我如何使用来自两个不同对象的值来计算新列？我曾经将两个对象合并并逐行进行，但这会导致大量冗余数据。

这是data.frame，只有10行：

df

    sample scaling_factor
A1      A1      111956565
A2      A2       89869320
A3      A3      120925219
A4      A4      111757559
A5      A5       77319341
A6      A6       89403194
A7      A7      150214981
B8      B8      133885925
B9      B9       86536587
B10    B10      123574939


df <- structure(list(sample = structure(c(1L, 2L, 3L, 4L, 5L, 6L, 7L, 
9L, 10L, 8L), .Label = c("A1", "A2", "A3", "A4", "A5", "A6", 
"A7", "B10", "B8", "B9"), class = "factor"), scaling_factor = c(111956565.427018, 
89869319.9348599, 120925219.4453, 111757558.886234, 77319340.5841949, 
89403194.1170576, 150214980.784589, 133885925.080984, 86536586.7136393, 
123574939.026597)), .Names = c("sample", "scaling_factor"), class = "data.frame", row.names = c("A1", 
"A2", "A3", "A4", "A5", "A6", "A7", "B8", "B9", "B10"))

这是 data.table，每个样本有数十万行（dput 在输出中遇到< 的问题，因此此处未提供）：

setDT(dt)
    sample     contig_id product_reads_rpk
 1:     A1     contig_10        2000.00000
 2:     A1    contig_100          24.27184
 3:     A1   contig_1000        1713.90374
 4:     A1  contig_10000        2900.66225
 5:     A1 contig_100003        1713.94231
 6:     A1 contig_100004        8575.23511
 7:     A1 contig_100004       11059.32203
 8:     A2 contig_100009        6923.67400
 9:     A2 contig_100010        1285.30259
10:     A2 contig_100015          84.74576

dt[,product_rpm := product_reads_rpk/(df$scaling_factor/1000000), by = sample]

我正在尝试根据df 中每个样本的相应值在 dt 中生成一个新列product_rpm。我怎么做？我收到longer object length is not a multiple of shorter object length，但较短的对象长度为 1，例如A1 在 df 中，对吗？

Answer 1

我不知道在不实际合并两个数据集的情况下执行此操作的方法 - 但如果您使用 data.table 合并数据集的方式，则可以避免创建冗余列。

所以，在你的情况下，它只是：

df <- data.table(df)
dt[df, product_rpm := (product_reads_rpk/scaling_factor/1000000), on = "sample"]

一个简单的例子：

library(data.table)

dt1 <- data.table(id = sample(1000:9999, size = 100),
                  size = sample(10000:99999, size = 100))

dt2 <- data.table(id = rep(dt1$id, 10), 
                  group = rep(LETTERS[1:5], 10),
                  value = sample(1000:9999, size = 100 * 10, replace = T))

dt3 <- dt2[dt1, metric:= (value / size), on = "id"]
head(dt3)