R：强制 data.table 计算所有交互

Posted 2023-03-31

【中文标题】R：强制 data.table 计算所有交互

【英文标题】：R: Force data.table to compute all interactions

【发布时间】：2014-01-01 04:58:54

【问题描述】：

这是一个data.table：

dat = data.table(var1=rnorm(120), var2=rep(c('a','b','c'),40), var3=rep(c(1,2,3,2,1,2,1,2,2,3,1,2),10))

dat2 = dat[,list(resp = mean(var1)),by=list(var2, var3)]

在dat2 中，仅存在dat$var2 和dat$var3 的现有交互。如何强制dat2 包含var2 和var3 的所有9 个可能交互的结果（而不是dat2 的7 行）？如果 data.table 没有直接的解决方案，解决此问题的最简单方法是什么？

table(dat$var2, dat$var3)

     1  2  3
  a 20 10 10
  b 20 20  0
  c  0 30 10

当然，对于dat 中不存在数据的交互，dat2 应分别包含 NA。

【问题讨论】：

为什么不直接使用data.table(...) 而不是as.data.table(data.frame(...))？

没有理由，那是愚蠢的！我修好了它！谢谢

【参考方案1】：

您可以设置key，然后在i 中使用CJ 进行交叉连接...

setkey( dat , var2 , var3 )

# Thanks to @Shadow for pointing out to use unique() in the cross join
dat[ CJ( unique(var2) , unique(var3) ) , mean(var1) ]
#   var2 var3          V1
#1:    a    1 -0.25771923
#2:    a    2  0.04143057
#3:    a    3  0.28878451
#4:    b    1  0.18865887
#5:    b    2  0.53632552
#6:    b    3          NA
#7:    c    1          NA
#8:    c    2  0.38015021
#9:    c    3  0.49809159

作为解释，CJ() 在x 的i 中创建一个data.table（在本例中为dat）以加入。它是提供给CJ() 的向量的叉积，这恰好是您正在寻找的！

【讨论】：

我同意CJ 版本比我在下面建议的expand.grid 更有意义。但为了概括性，我仍然认为dat[CJ(unique(var2),unique(var3)), mean(var1)] 比明确使用letters[1:3] 和1:3 更合适。