使用 R 中的 data.table，如何有效地替换单个列中命名的多个列值？

Question

在 R 中，我有一个包含诊断值的列（“prncl_diag”）的数据表。这些诊断值（在 prncl_diag 列中）也都显示为数据表中的列。大约有 2.5K 诊断列，其中的一个子集作为值显示在“prncl_diag”列中。

如果诊断指示符的名称出现在“prncl_diag”列的给定行中，我想用 1 更新诊断指示符列。

解释得不是很好，但这是一个最小的工作示例。

dt <- data.table(heart_failure = c(0, 1, 0),
             kidney_failure = c(1, 0, 0),
             death = c(1, 1, 1), 
             prncl_diag = c('heart_failure', 'kidney_failure', 'death'))

for (i in 1:nrow(dt)) {
  name <- dt[i, prncl_diag]
  dt <- dt[i, eval(name) := 1]
}

此代码有效并将“heart_failure”的第 1 行更新为 1，将“kidney_failure”的第 2 行更新为 1，并且不会更改“death”列的第 3 行，因为它已经是 1。

但是，对于 5M 行的数据表，代码很慢，我知道我没有使用 data.table 的结构。

请提供更有效的解决方案。有兴趣从 StackOverflow 社区了解 R、data.table 和效率。

Answer 1

一种选择是按prncl_diag 中的唯一值进行子集化。

for (val in unique(dt$prncl_diag)) {
  dt[prncl_diag == val, (val) := 1]
}

这就是我可能会采用的方式，特别是如果prncl_diag 中的唯一值相对于行数而言很少。

结果：

#    heart_failure kidney_failure death     prncl_diag
# 1:             1              1     1  heart_failure
# 2:             1              1     1 kidney_failure
# 3:             0              0     1          death

Answer 2

这是tidyverse的答案

library(tidyverse)
map_df(1:nrow(dt), ~dt[.x,] %>% mutate_at(vars(.$prncl_diag), function(y) ifelse(y==0,1,y)))

  heart_failure kidney_failure death     prncl_diag
1             1              1     1  heart_failure
2             1              1     1 kidney_failure
3             0              0     1          death

Answer 3

我认为这会实现你想要的。

> dt[, .SD
     ][, rID := 1:.N
     ][, melt(.SD, id.vars=c('prncl_diag', 'rID'))
     ][prncl_diag == variable, value := 1
     ][, dcast(.SD, prncl_diag + rID ~ variable, value.var='value')
     ][, rID := NULL
     ][]

       prncl_diag heart_failure kidney_failure death
1:          death             0              0     1
2:  heart_failure             1              1     1
3: kidney_failure             1              1     1
>