涉及字符时的 data.matrix()

Question

为了计算每个 ID 的行的最大贡献，我有一个漂亮的脚本，当 ID 是数字时它可以工作。然而，今天我发现 ID 也可能有字符（例如 ABC10101）。为了使函数起作用，数据集被转换为矩阵。但是data.matrix(df) 不支持字符。是否可以更改代码以使函数与各种 ID（字符、数字等）一起使用？目前，我编写了一个快速解决方法，当 ID=character 时将 ID 转换为数字，但这会减慢大型数据集的处理速度。

代码示例（功能：提取贡献最高的第一个条目，因此如果两个条目具有相同的贡献，则选择第一个）：

注意：在此示例中，ID 被解释为一个因子，data.matrix() 将其转换为数值。在下面的代码中，ID 列的类型应为字符，输出应如底部所示。订单 ID 必须保持不变。

tc <- textConnection('
    ID   contribution   uniqID      
   ABCUD022221       40           101  
   ABCUD022221       40           102 
   ABCUD022222       20           103
   ABCUD022222       10           104
   ABCUD022222       90           105
   ABCUD022223       75           106
   ABCUD022223       15           107
   ABCUD022223       10           108        ')

df <- read.table(tc,header=TRUE)

#Function that needs to be altered
uniqueMaxContr <- function(m, ID = 1, contribution = 2) {
  t(
    vapply(
           split(1:nrow(m), m[,ID]), 
           function(i, x, contribution) x[i, , drop=FALSE]
           [which.max(x[i,contribution]),], m[1,], x=m, contribution=contribution
          )
  )
}

df<-data.matrix(df) #only works when ID is numeric
highestdf<-uniqueMaxContr(df)
highestdf<-as.data.frame(highestdf)

在这种情况下，结果应该是：

    ID   contribution   uniqID      
   ABCUD022221       40           101  
   ABCUD022222       90           105
   ABCUD022223       75           106

Answer 1

其他人可能会使其更简洁，但这是我对 data.table 解决方案的尝试：

tc <- textConnection('
    ID   contribution   uniqID      
   ABCUD022221       40           101  
   ABCUD022221       40           102 
   ABCUD022222       20           103
   ABCUD022222       10           104
   ABCUD022222       90           105
   ABCUD022223       75           106
   ABCUD022223       15           107
   ABCUD022223       10           108        ')

df <- read.table(tc,header=TRUE)

library(data.table)
dt <- as.data.table(df)
setkey(dt,uniqID)

dt2 <- dt[,list(contribution=max(contribution)),by=ID]

setkeyv(dt2,c("ID","contribution"))
setkeyv(dt,c("ID","contribution"))

dt[dt2,mult="first"]

##               ID contribution uniqID
## [1,] ABCUD022221           40    101
## [2,] ABCUD022222           90    105
## [3,] ABCUD022223           75    106

编辑——更简洁的解决方案

• 您可以使用.SD，它是data.table 的子集进行分组，然后使用which.max 提取单行。

一行

dt[,.SD[which.max(contribution)],by=ID]

##               ID contribution uniqID
## [1,] ABCUD022221           40    101
## [2,] ABCUD022222           90    105
## [3,] ABCUD022223           75    106