可以在 data.table 中结合逻辑和位置索引吗？

Question

我正在尝试按组遍历 data.table 以在每个子组内有条件地为每一行分配值。我可以选择我想要的行，但我无法更新我选择的行中感兴趣的变量。

我认为这可能是因为我必须对 data.table 进行两次切片。我正在使用一个名为dt 的data.table，它有group、center、date 和var 列。这里的目标是将非中心记录的var 的值也称为center==0 与center==1 最接近的（就日期差异而言）中心记录。假设i 是行的位置索引，我想根据条件过滤更新记录，然后在子组gp 中搜索date。

dt[group == gp][i, var:= "new value"] 

但是当我运行时

dt[group == gp][i, var] 

变量var 似乎没有改变，也就是返回"old value"。

其他信息

上面的命令在一个 for 循环中，也许我没有在这里使用最佳实践。如果有人对以下 for 循环分享他/她的意见，我将不胜感激。谢谢。

for( gp in unique(dt$group)){
  tmp = dt[group==gp]
  for( i in 1:nrow(tmp)){
  new_val = tmp[center==1][which.min(abs(tmp[i, date]-tmp[center==1, date]),var]

  dt[group == gp][i, var:= new_val] 
 }
}

我知道 data.table 中的 set 和 .by。但我不知道如何使用dt[, j=somefunction ,by=group] 语法轻松地将条件搜索功能应用于每个子组。也许我可以在.SD 上放一个 sapply，但它比 for 循环快得多吗？性能的提升是否值得可读性的损失？

编辑

在下面的评论部分，我发现了在 data.table 中同时结合逻辑和位置索引的技巧：

dt[which(group == gp)[i], var := new_val]

关于使用 for 循环是否是个好主意的问题仍未得到解答。任何输入将不胜感激！

示例

假设原始 dt（按组和日期排序）如下所示：

group center  date     var
  1     0     10-01    NA
  1     1     10-02    val1
  1     0     10-03    NA
  1     1     11-05    val2
  2     1     10-02    val3

我希望更新后的 dt 是：

group center  date     var
  1     0     10-01    val1
  1     1     10-02    val1
  1     0     10-03    val1
  1     1     11-05    val2
  2     1     10-02    val3

假设我们这里有大约 10,000 个组，每个组最多可以有 1000 行。

Answer 1

对于这个问题，您可能需要考虑使用滚动连接，如下所示：

dt[center==0L, var := dt[center!=0L][.SD, var, on=.(group, date), roll="nearest"]]

解释：

1. dt[center==0L 过滤要更新的行。

2. var := 告诉data.table 这是要更新的列。

3. dt[center!=0L] 过滤中心不为 0 的行。

4. dt[center!=0L][.SD, on=.(group, date)] left 将第 1 步 (.SD) 中的行与第 3 步中的行连接起来，, var, 选择此列作为输出。

5. 请参阅 ?data.table 以获取有关 roll 参数的帮助。当roll='nearest' 时，它会在连接中找到最近的date。请注意，滚动键应始终是 on 参数中的最后一个元素。

输出：

   group center       date  var
1:     1      0 2018-10-01 val1
2:     1      1 2018-10-02 val1
3:     1      0 2018-10-03 val1
4:     1      1 2018-11-05 val2
5:     2      1 2018-10-02 val3

数据：

library(data.table)
dt <- fread("group center  date     var
1     0     2018-10-01    NA
1     1     2018-10-02    val1
1     0     2018-10-03    NA
1     1     2018-11-05    val2
2     1     2018-10-02    val3")
dt[, date := as.Date(date, format="%Y-%m-%d")]