将 data.table 链分成两行代码以提高可读性

Posted 2023-02-21

【中文标题】将 data.table 链分成两行代码以提高可读性

【英文标题】：Break data.table chain into two lines of code for readability

【发布时间】：2016-02-19 02:45:55

【问题描述】：

我正在处理 Rmarkdown 文档，并被告知严格限制最大列数（边距列）为 100。在文档的代码块中，我使用了许多不同的包，其中包括 data.table。

为了遵守限制，我可以拆分链（甚至是长命令），例如：

p <- ggplot(foo,aes(bar,foo2))+
       geom_line()+
       stat_smooth()
bar <- sum(long_variable_name_here,
         na.rm=TRUE)
foo <- bar %>% 
         group_by(var) %>%
         summarize(var2=sum(foo2))

但我无法拆分data.table 链，因为它会产生错误。我怎样才能实现这样的目标？

bar <- foo[,.(long_name_here=sum(foo2)),by=var]
           [order(-long_name_here)]

当然，最后一行会导致错误。谢谢！

【问题讨论】：

有很多方法可以做到这一点，@Jaap 指出的关键是延续您的结束]；从那里开始，这取决于个人口味，你想如何切片和切丁

【参考方案1】：

使用 magrittr 链接 data.tables

我有一个我正在使用的方法，使用 magrittr，使用 . 对象和 [：

library(magrittr)
library(data.table)

bar <- foo %>%
        .[etcetera] %>%
        .[etcetera] %>%
        .[etcetera]

工作示例：

out <- data.table(expand.grid(x = 1:10,y = 1:10))
out %>% 
  .[,z := x*y] %>% 
  .[,w := x*z] %>% 
  .[,v := w*z]
print(out)

其他示例

编辑：它也不仅仅是语法糖，因为它允许您将上一步中的表称为.，这意味着您可以进行自联接，

或者您可以使用%T>% 进行一些中间步骤（使用 futile.logger 等）：

out %>%
 .[etcetera] %>%
 .[etcetera] %T>% 
 .[loggingstep] %>%
 .[etcetera] %>%
 .[., on = SOMEVARS, allow.cartesian = TRUE]

编辑：

这是很久以后的事了，我仍然经常使用它。但我有以下警告：

magrittr 增加开销

我真的很喜欢在脚本的顶层执行此操作。它有一个非常清晰易读的流程，你可以用它做很多巧妙的技巧。

但如果它是被多次调用的函数的一部分，我必须在优化之前将其删除。

在这种情况下，最好链接 data.tables the old fashioned way。

【参考方案2】：

您必须在每行的[ 和] 之间返回。如何将 data.table 代码分成几行的示例：

bar <- foo[, .(long_name_here = sum(foo2)), by = var
           ][order(-long_name_here)]

您还可以在每个逗号之前/之后返回。逗号前返回的示例（我的偏好）：

bar <- foo[, .(long_name_here = sum(foo2))
           , by = var
           ][order(-long_name_here)
             , long_name_2 := long_name_here * 10]

见this answer for an extended example