给出多个输入，创建标准data.table列

Posted 2021-04-06

我正在编写一个函数，它重写列名以便在标准中输出data.table。输入是用户提供的data.tables，可能因多个名称而不同。

这是应该是所有输入data.tables的输出的格式：

length    width    height    weight

输入data.tables可能看起来像，例如

input_dt = data.table(
  length = 194,
  wide = 36,
  tall = 340,
  kilogram = 231.2
)

我的函数将此data.table（或data.frame）作为输入，并更改列，输出此data.table：

length    width    height    weight
194       36      340     231.2

我为该函数创建了一个key，用于检查可能的名称：

key = list(
    length = c('long'),
    width = c('girth', 'WIDTH', 'wide'),
    height = c('tall', 'high'),
    weight =  c('Weight', 'WEIGHT', 'kilogram', 'pound', 'kilograms', 'pounds')
)

现在，在函数中，我可以检查input_dt的输入列名称，以检查是否需要通过检查交集来更改它们：

> intersect(names(input_dt), unlist(key))
[1] "wide"     "tall"     "kilogram"

然后适当地改变这些。我的问题是：

编写这个自定义函数将充满for循环，效率非常低。是否有其他更多数据。可用的友好解决方案，给定一个自定义的“关键”值？

答案

保持key不是作为list而是作为data.table，然后合并：

# easier to edit this list if you need to update your keywords later
key_list = list(
  length = c('long'),
  width  = c('girth', 'WIDTH', 'wide'),
  height = c('tall', 'high'),
  weight = c('Weight', 'WEIGHT', 'kilogram', 'pound', 'kilograms', 'pounds')
)
# build into data.table
keyDT = data.table(
  # can't name a column key
  key_name = rep(names(key_list), lengths(key_list)),
  synonym = unlist(key_list),
  # easier merging
  key = 'synonym'
)

# nomatch = 0 to skip unmatched columns
keyDT[.(names(input_dt)), setnames(input_dt, synonym, key_name), nomatch = 0L]

随后使用input_dt：

input_dt
#    length width height weight
# 1:    194    36    340  231.2

为了获得稳健性，您可能希望将自我添加到key_list（例如，length = c('length', 'long')）;这样，在input_dt名字中有一个尚未见过的synonym的情况下，你可以更容易地抛出错误/警告。