通过列索引而不是名称将函数应用于 data.table 列的子集

Posted 2023-02-14

【中文标题】通过列索引而不是名称将函数应用于 data.table 列的子集

【英文标题】：Apply a function to a subset of data.table columns, by column-indices instead of name

【发布时间】：2013-05-22 22:12:38

【问题描述】：

我正在尝试将函数应用于大型 data.table 中的一组列，而不是单独引用每一列。

a <- data.table(
  a=as.character(rnorm(5)),
  b=as.character(rnorm(5)),
  c=as.character(rnorm(5)),
  d=as.character(rnorm(5))
)
b <- c('a','b','c','d')

使用上面的 MWE，这个：

a[,b=as.numeric(b),with=F]

有效，但是这个：

a[,b[2:3]:=data.table(as.numeric(b[2:3])),with=F]

不起作用。将as.numeric 函数仅应用于a 的第2 列和第3 列而不单独引用它们的正确方法是什么。

（实际数据集中有几十列，不切实际）

【问题讨论】：

另外，如果您只想通过索引引用多个列，,with=F] 允许 j 成为列索引，例如dt[, 2:3, with =F。但是根据@mnel 的回答，对每个函数应用一个函数更复杂。

【参考方案1】：

惯用的方法是使用.SD和.SDcols

您可以通过包装() 来强制在父框架​​中评估 RHS

a[, (b) := lapply(.SD, as.numeric), .SDcols = b]

对于第 2:3 列

a[, 2:3 := lapply(.SD, as.numeric), .SDcols = 2:3]

或

mysubset <- 2:3
a[, (mysubset) := lapply(.SD, as.numeric), .SDcols = mysubset]

【讨论】：

如果你想在这里使用“by”分组，是否必须提前包含在mysubset中？

@TrevorAlexander - 不，By 列不在 .SD 中，它们作为单个值存在于创建 .SD 的环境中。

嗨，如果我想在除“b”之外的所有列上应用该函数，我该如何使用它？谢谢！

@Christa 你仍然可以使用a[, (b[b != 'b']) := lapply(.SD, as.numeric), .SDcols = b[b != 'b']]。但是mySubset <- setdiff(b, 'b') 后跟a[, (mySubset) := lapply(.SD, as.numeric), .SDcols = mySubset] 更具可读性并且看起来很直接