是否可以在 for 循环中对 R 数据表进行子集化，其中循环的给定迭代的索引向量被传递给 myDT[i, j, by] 中的 j？

Posted 2023-02-14

【中文标题】是否可以在 for 循环中对 R 数据表进行子集化，其中循环的给定迭代的索引向量被传递给 myDT[i, j, by] 中的 j？

【英文标题】：Is it possible to subset R data tables in for loops, where the index vector of a given iteration of the loop is passed to j in myDT[i, j, by]?

【发布时间】：2022-01-21 19:33:22

【问题描述】：

我试图在 R 中使用两个嵌套的 for 循环来生成整个数据框的行和列的临时子集，以生成图形。第一个循环的索引变量被传递给 myDT[i, j, by] 中的 i，并且我对子集行没有任何问题。但是，我尝试了很多方法将内循环的索引变量传递到 j 位置，并且遇到了各种错误和意想不到的结果。请注意，full_dt 中的每一行代表一个数据点（单个图像的数字分析的几个数字结果），包括 >1 个物种 (full_dt$sp)，每个部分代码 (full_dt$sect) 是唯一的，并且aoi 代码 (full_dt$aoi) 重复。

> full_dt <- fread(".../full_dt.csv")
> head(full_dt)
   V1      sp                                              sect  aoi  aoi_area n_xyl       mhwd   num_den ageClass
1:  1 cel.pal seed.cel.pal_indiv2_stem1_picture2_100x_2048x1536 aoi2 1.3964749    14 0.01538392 18.050659 Seedling
2:  2 cel.pal seed.cel.pal_indiv2_stem1_picture2_100x_2048x1536 aoi3 1.5587317    56 0.01667791 47.994443 Seedling
3:  3 cel.pal seed.cel.pal_indiv2_stem1_picture2_100x_2048x1536 aoi4 1.2133989    31 0.01551492 34.804520 Seedling
4:  4 cel.pal seed.cel.pal_indiv3_stem1_picture4_100x_2048x1536 aoi2 0.7356047    17 0.01449645 31.732125 Seedling
5:  5 cel.pal seed.cel.pal_indiv3_stem1_picture4_100x_2048x1536 aoi3 0.9252753     9 0.01550191 17.089949 Seedling
6:  6 cel.pal seed.cel.pal_indiv3_stem1_picture4_100x_2048x1536 aoi4 0.7325242     4 0.01672792  8.225981 Seedling


> age_classes <- as.vector(unique(full_dt$ageClass))
> age_classes
[1] "Seedling" "Mature"  
> data_types  <- as.vector(colnames(full_dt[,6:8]),)
> data_types
[1] "n_xyl"   "mhwd"    "num_den"


for (k in age_classes)
 for (l in data_types) 

  data_bp <- full_dt[ageClass == k, ..l,  by=.(sp,sect,aoi)]
  #ggplot() + geom_boxplot(data = data_bp, mapping = aes(x=data_bp$sp,y=data_bp$mhwd))
  #ggsave(...)

 
  

我对内部循环的每次迭代的目标是将向量 data_types 中的每个对象传递给 full_dt[i ,j, by] 中的 j 以生成一个较小的数据表，其中包含列 sp、sect、aoi 和 l 以及行其中年龄等级 == k。当 i 和 by 为空时，我已经能够使用定义为 data_types[1] 的 l 来子集 full_dt，但在定义 i 和 by 时（如上）则不行。

谢谢大家。

【问题讨论】：

在您提供的代码中，您注释掉了ggplot() 调用，但在其中您使用y = data_bp$mhwd。这可能是您的错误还是只是我们的一个例子？

请定义一个minimal example 供我们使用。

ggplot() 调用作为数据表的用途示例被包含在内，但由于它们不直接相关而被注释掉。

@FrancescoGrossetti，我不确定如何添加更具体的问题。我试图将索引向量 data_types 中的索引变量 l 传递给 myDT[i, j, by] 中的 j 位置，但未能成功。您还建议我添加什么？

【参考方案1】：

代码应如下所示：

data_bp <- full_dt[ageClass == k, .SD, .SDcols = l, by=.(sp,sect,aoi)]

添加.SD, .SDcols = l 会将full_dt$mhwd 中的值移动到data_bp$mhwd。