如何使用 R 交换 data.table 中的列值

Posted 2023-02-14

【中文标题】如何使用 R 交换 data.table 中的列值

【英文标题】：How to swap column values in a data.table using R

【发布时间】：2022-01-18 22:36:20

【问题描述】：

我有下面给出的玩具数据。

library(data.table)
(tmp <- data.table(R1 = c('D','D','D','T','C'), y = 10:1, R2 = c('D','A','Z','D','D')))

    R1  y R2
 1:  D 10  D
 2:  D  9  A
 3:  D  8  Z
 4:  T  7  D
 5:  C  6  D
 6:  D  5  D
 7:  D  4  A
 8:  D  3  Z
 9:  T  2  D
10:  C  1  D

我想交换 R1 和 R2 列中的值，以便所有 A 都列在 R1 下，而不常见的值则转到 R2。有人可以告诉我怎么做吗？ 这是所需的输出。

    R1  y R2
 1:  D 10  D
 2:  D  9  A
 3:  D  8  Z
 4:  D  7  T
 5:  D  6  C
 6:  D  5  D
 7:  D  4  A
 8:  D  3  Z
 9:  D  2  T
10:  D  1  C

这是下面提供的答案的性能结果 -

Unit: milliseconds
    expr      min       lq     mean   median       uq       max neval cld
   akrun 5.524562 5.587740 7.526681 5.605406 5.938955 14.976740     5   b
 r2evans 1.466862 1.489944 1.509321 1.500263 1.536402  1.553134     5  a 

【问题讨论】：

如果你只需要D，为什么不能是tmp[, R1 := "D"]

我不想丢失R1 中的值，并希望将它们转移到R2，同时将R1 替换为D。

对造成混乱表示歉意。我在之前的专栏中选择了有趣的专栏A，pmin 和pmax 工作得很好。但是当我在A to Z 之间给出一个字母时，解决方案失败了。

基于您的新数据。我认为tmp[R2 == "D", c("R1", "R2") := .(R2, R1)]

是的，这个解决方案有效并且看起来更直观。你能回答吗？我不确定交换是否更早发生或R2首先被D替换？

【参考方案1】：

根据更新，我们可以在i 上指定一个逻辑表达式并交换列值以分配

library(data.table)
val <- "D"
tmp[R2 == val, c("R1", "R2") := .(R2, R1)]

-输出

> tmp
    R1  y R2
 1:  D 10  D
 2:  D  9  A
 3:  D  8  Z
 4:  D  7  T
 5:  D  6  C
 6:  D  5  D
 7:  D  4  A
 8:  D  3  Z
 9:  D  2  T
10:  D  1  C

【讨论】：

是的，这很好：它是规范的，可能更快，也更清晰。 （它也可以很容易地使用我的interesting-set 前提，同时替换fifelses 等。很好。）

这个解决方案现在就像一个魅力，而且非常直观。谢谢@akrun。您能否解释一下为什么先发生列中的交换，然后将R2 替换为val？

您能否解释一下为什么先发生列中的交换，然后将R2 替换为val？我想知道事件序列是如何执行的。

R2 没有被val 替换； R2 == val 是条件，因此只有符合该条件的行才会交换值。

@Saurabh 当您执行 tmp[R2 == val] 时，它仅对那些 R2 值为“D”的行的数据进行子集化，在 j 中，我们只是将列值交换到 R1 , R2 或反之

【参考方案2】：

我怀疑另一个答案可能是最适用的，但如果您的需求不是基于字典排序（实际上只是存在于一组“有趣”值中），那么

interesting <- c("A")
tmp[, c("R1", "R2") := .(
  fifelse(R2 %in% interesting & !R1 %in% interesting, R2, R1),
  fifelse(R2 %in% interesting & !R1 %in% interesting, R1, R2))]
tmp
#         x     R1     R2
#     <int> <char> <char>
#  1:     1      A      A
#  2:     2      A      F
#  3:     3      A      T
#  4:     4      A      G
#  5:     5      A      I
#  6:     6      A      A
#  7:     7      A      F
#  8:     8      A      T
#  9:     9      A      G
# 10:    10      A      I

我承认这看起来有点笨拙，重复计算条件。这可以作为tmp 框架内部或外部的临时变量轻松更有效地工作，例如：

tmp[, swap := R2 %in% interesting & !R1 %in% interesting
  ][, c("R1", "R2") := .(fifelse(swap, R2, R1), fifelse(swap, R1, R2))
  ][, swap := NULL]

如果您确定 R2 %in% interesting 与 !R2 %in% interesting 完全一致（也就是说，R1 和 R2 绝不是有趣，...或如果两者都很有趣，您不关心交换，如第 1 行和第 6 行），那么您可以将其简化为

tmp[, c("R1", "R2") := .(
  fifelse(R2 %in% interesting, R2, R1),
  fifelse(R2 %in% interesting, R1, R2))]

【讨论】：

谢谢，@r2evans。我稍微改变了问题并将D 设置为interesting 值而不是A。您的解决方案也适用于这种情况。

我很高兴它对你有用。 y 的添加似乎并没有任何效果，我的答案中是否缺少某些内容？

您的解决方案要快得多。我已经分享了上面的表现。

说实话，这很令人惊讶。