将自定义函数应用于 Data.Table答案

【问题标题】：Applying Custom Function to Data.Table将自定义函数应用于 Data.Table
【发布时间】：2019-08-02 17:30:09
【问题描述】：

我需要对 data.table 中的所有行应用自定义函数，其中包含列 freq（数字）、ngram（每个单词由 _ 分隔的文本）。我还提供了 3 个常量值 - input1gramCount、input2gramCount、input3gramCount，而不是在 data.table 中。

当我尝试这个时，我得到了警告

Warning message:
In if (MatchedLen == 4) { :
the condition has length > 1 and only the first element will be used

似乎在抱怨 4 没有矢量化，但我希望它是一个常数。欢迎任何指点...

# Stupid Backoff
StupidBackoffScore <- function(freq, ngram, input1gramCount, input2gramCount, input3gramCount) {
    matchedLen = str_count(ngram, "_") + 1
    if (matchedLen == 4) {
        score = freq / input3gramCount
    } else if (matchedLen == 3) {
        score = 0.4 * freq / input2gramCount
    } else {
        # must be matchedLen 2
        score = 0.4 * 0.4 * freq / input1gramCount
    }
    return(score)
    }

allGrams <- allGrams %>%
    mutate(stupidBOScore = StupidBackoffScore(frequency, ngram, input1gramCount, input2gramCount, input3gramCount))

【问题讨论】：

它抱怨“如果”没有向量化，来自基础 R 的警告。如果值是常量，您可以使用 first(matchedLen) == 4 代替。（dplyr 和 data.table 都有第一个函数）
它是 4thats 的常数，不匹配Len
好的。在这种情况下，您需要重写程序，考虑到“if”是针对单个条件（针对“控制流”而不是矢量化计算）。或者，也许可以考虑使用 purrr 或类似的方式逐行应用该函数（尽管这将非常低效）。

标签： r data.table tidyverse

【解决方案1】：

我会这样做：

setDT(dt)
dt[, matchedLen := str_count(ngram, "_") + 1 ]
dt[, score := ifelse(matchedLen == 4, freq / input3gramCount,
                     ifelse(matchedLen == 3, 0.4 * freq / input2gramCount,
                        0.4 * 0.4 * freq / input1gramCount)) ]

为了便于阅读，我将matchedLen 创建为单独的列。如果您不需要matchedLen，您可以在创建分数后将其删除。

【讨论】：

感谢@Frank。我通过 Frank 的输入切换到 if else 解决了这个问题，然后找到了 case_when——诀窍是意识到我不能使用 if。 Map 的设计很好，因为它直接使用 data.frame。