使用 R 中的 data.table 将列限制为特定范围答案

【问题标题】：Restrict column to specific range using data.table in R使用 R 中的 data.table 将列限制为特定范围
【发布时间】：2016-01-29 23:09:35
【问题描述】：

我在 R 中使用 data.table 包并希望对列执行操作。具体来说，我想强制所有值都是 (0, 1)。

让我们在这里举一个简单的例子：

data = data.table(x = rnorm(10))

我的数据存储为data.table，所以我想我可以这样做：

data[, newx := max(min(x, 1), 0)]

但是聚合函数（min 和 max）计算向量的最小值/最大值。

好的，所以我进行更改并添加 by=.I 声明：

data[, newx := max(min(x, 1), 0), by=.I]

但这也不起作用！

使用data.table完成此类任务的正确方法是什么？

【问题讨论】：

可以使用by = seq_along(x)

标签： r data.table

【解决方案1】：

您可以创建一个虚拟索引并在不再需要时将其删除，如下所示：

data[,Idx := .I][, newx := max(min(x, 1), 0), by = "Idx"][, Idx := NULL][]

#              x      newx
# 1:  1.12585452 1.0000000
# 2:  0.82343338 0.8234334
# 3: -1.02227889 0.0000000
# 4:  1.42761362 1.0000000
# 5:  0.77371518 0.7737152
# 6: -0.22261010 0.0000000
# 7: -0.64862015 0.0000000
# 8: -0.45663845 0.0000000
# 9: -0.96332902 0.0000000
# 10: -0.04396755 0.0000000

【讨论】：

这是什么炼金术！？真的谢谢你！但是为什么这不适用于by=.I？
嗯，您可能需要深入研究data.table 源代码才能确认，但我认为因为存在by 子句（其中by != .I）它维护一个索引序列对于每个组，它本身不能用作分组变量。在帮助文件中，.I is an integer vector equal to seq_len(nrow(x)). While grouping, it holds for each item in the group, it's row location in x. This is useful to subset in j; e.g. DT[, .I[which.max(somecol)], by=grp].
看不到需要创建Idx； data[ , newx := max(min(x, 1), 0), by = seq_along(x)] 似乎工作方式相同（正如@jangorecki 指出的那样）

【解决方案2】：

你也可以尝试简单的ifelse即

data[, newX:= ifelse(x >1,1,x)][, newX:= ifelse(x < 0, 0,x)]

【讨论】：

这里只需要一个ifelse：ifelse(x %between% c(0, 1), x, x>0)。还有，ifelse is slow；最好只使用三行代码：data[ , newX := x]; data[x < 0, newX := 0]; data[x > 1, newX := 1]

【解决方案3】：

更简单、更快捷的是分段定义：

set.seed(13084)
data = data.table(x = rnorm(10))
> data[ , newx := (xg1 <- x > 1) + x * (!xg1 & x > 0)][]
             x      newx
 1:  0.7842597 0.7842597
 2: -0.3935582 0.0000000
 3: -2.3379063 0.0000000
 4: -1.7428335 0.0000000
 5:  0.1678035 0.1678035
 6: -0.9558911 0.0000000
 7: -1.5592778 0.0000000
 8:  0.9358569 0.9358569
 9:  0.7778178 0.7778178
10:  1.0937594 1.0000000

【讨论】：