data.table方式与.SDcols

Posted 2021-04-15

我有一个问题，data.table使用.SDcols来改变。 以下是示例数据：

dt
A   B   C   D
XX  XY  ""  ""
ZZ  ZA  ""  ""

我想要的是使用.SDcols将""改为NA。

我试过这个：

dt[.SD == "", lapply(.SD, is.na), .SDcols = .(A, B, C, D)]  

但是，我得到了错误。

有帮助吗？欣赏。

答案

使用Frank的评论中更健壮的方法（处理没有NA的情况），下面是信息的一些时间。

library(data.table)
library(microbenchmark)

set.seed(6L)
N <- 1e7
numCols <- 100
pctEmpty <- 0.25
ltrs <- sample(LETTERS, N, replace=TRUE)
ltrs[sample(N, pctEmpty*N)] <- ""
dt <- as.data.table(matrix(ltrs, ncol=numCols))

str(dt)
dt1 <- copy(dt)
dt2 <- copy(dt)

microbenchmark(Replace=dt1[, (names(dt1)) := lapply(.SD, function(x) replace(x, x=="", NA_character_)), .SDcols=names(dt1)],
    Assign=dt2[, (names(dt2)) := lapply(.SD, function(x) { is.na(x) <- x == ""; x }) , .SDcols=names(dt2)],
    times=10L)

# Unit: milliseconds
#     expr      min       lq     mean   median       uq      max neval
#  Replace 234.0141 240.0262 311.2857 268.2718 401.9364 410.1788    10
#   Assign 273.1776 276.4123 344.1861 295.1337 435.8436 449.6495    10

时间上的差异可以忽略不计。当然，您可以根据需要使用参数来查找权衡。