了解 data.table 语法

Question

我正在追随一位前同事的脚步，我需要处理他正在构建的一些数据。因此，我正在阅读并复制他的代码，以便了解他的所作所为。

但是，我遇到了一个部分，我知道他想要完成什么，但我不明白他的索引。

我通常用循环做类似的工作，所以这是一种我不熟悉的编码方法。

这是行：

IDs         <- unique(cummingsOUT$ID)
c2          <- cummingsOUT[, .(Weeks20 = sum(WEEK<21)),by=ID][Weeks20 >= 18]
cummingsOUT <- cummingsOUT[cummingsOUT$ID %in% c2$ID ,]

所以“cummingsOUT”是一个相当大的纵向数据集，包含 300 万个 obs。 431,000 个人的 6 个变量。 6 个变量是 ID（数值）、GRADE（因子）、SCORE（数值）、WEEK（数值）、MEASURE（因子）、DATA（因子）。对于每个人，同一周内可能有多个 SCORE。

此时，该同事被指示仅保留在其个人第 20 周之前具有 18 个或更多 SCORE 的唯一 ID。

我得到的第一行，虽然他最终没有使用 IDS。难倒我的是第二个。

 c2          <- cummingsOUT[, .(Weeks20 = sum(WEEK<21)),by=ID][Weeks20 >= 18]

这里发生了什么？他创建了一个对象 c2，并将其设置为所有行的数据集。但是“。”是什么意思？做？有人可以解释 Weeks20 吗？他是否在索引中创建了一个新对象，即对个人的总观察值求和，直到与 WEEK 中的值 20 匹配的数据点？然后他又索引了？

我认为第三行只是匹配到第 20 周被确定为具有 18 个或更多 obs 的 ID。

有人认为他们可以解释发生了什么吗？

Answer 1

首先，按照@DavidArenburg 的建议阅读文档。

然后一步一步走过。我们可以忽略您的第一行 - 这里没有使用它。

我将使用 mtcars 数据集，因为您没有提供可重现的数据

#load data.table
library(data.table)
#copy mtcars, as otherwise it's locked
mtcars <- copy(mtcars)
#turn it into a data.table
setDT(mtcars)
#make the new variable
new <- mtcars[,.(numofgoodcars = sum(mpg > 20)), by = cyl]

我们现在有了新的，应该是这样的：

   cyl numofgoodcars
1:   6             3
2:   4            11
3:   8             0

这是一个摘要，每个cyl 都有一个新列numofgoodcars，与ID 为您的Weeks20 所做的完全相同。

然后，原始编码器将数据子集化，由 Weeks20 > 18 的那些 - 让我们为 new 做同样的事情：

new[numofgoodcars > 4]

   cyl numofgoodcars
1:   4            11

原始编码器只是将这两个步骤放在一起：

mtcars[,.(numofgoodcars = sum(mpg > 20)), by = cyl][numofgoodcars > 4]

Answer 2

c2          <- cummingsOUT[, .(Weeks20 = sum(WEEK<21)),by=ID][Weeks20 >= 18]

分解：

cummingsOUT[, .(Weeks20 = sum(WEEK<21)),by=ID]

对于 cummingsOut 表，计算一个新表，每个 ID 一行，其中包含字段 Weeks20，计算为 WEEK 小于 21 的周数。

[Weeks20 >= 18]

仅返回 Weeks20 大于 18 的行。

因此假设原始数据每周包含一个分数，您有：

为在前 20 周内得分 18 或以上的每个用户 ID 返回一行。

by 运算符将在每一行中保留一份 ID 副本，因此现在您只需提取 ID 字段即可获得所需的结果。