當(dāng)您利用R data.table代碼的特殊符號和功能時，它會變得更加高效且優(yōu)雅。 考慮到這一點，我們將研究一些子集，計數(shù)和創(chuàng)建新列的特殊方法。

對于此演示，我將使用2019年Stack Overflow開發(fā)人員調(diào)查中的數(shù)據(jù)，大約有90,000個響應(yīng)。 如果要繼續(xù)學(xué)習(xí)，可以從Stack Overflow 下載數(shù)據(jù) 。

如果您的系統(tǒng)上未安裝data.table軟件包，請從CRAN安裝它，然后像往常一樣使用library(data.table)加載它。 首先，您可能只想讀入數(shù)據(jù)集的前幾行，以便更輕松地檢查數(shù)據(jù)結(jié)構(gòu)。 您可以使用data.table的fread()函數(shù)和nrows參數(shù)來實現(xiàn)。 我將閱讀10行：

data_sample <- fread("data/survey_results_public.csv", nrows = 10)

如您所見，有85列要檢查。 （如果您想知道所有列的含義，則下載的文件中包含數(shù)據(jù)模式和原始調(diào)查的PDF。）

要讀取所有數(shù)據(jù)，我將使用：

mydt <- fread("data/survey_results_public.csv")

接下來，我將創(chuàng)建一個只有幾列的新的data.table，以使其更易于使用和查看結(jié)果。 提醒您data.table使用以下基本語法：

mydt[i, j, by]

data.table程序包介紹說，將其理解為“使用i進(jìn)行dt，子集或重新排序行，計算j，依據(jù)”。 請記住，i和j與基R的括號排序類似：第一行，第二列。 因此，我適合您要對行執(zhí)行的操作（根據(jù)行號或條件選擇行）； j是您對列所做的操作（選擇列或從計算中創(chuàng)建新列）。 但是，還請注意，與基本R數(shù)據(jù)框相比，您可以在data.table括號內(nèi)做更多的事情。 而且“ by”部分是data.table的新功能。

由于我正在選擇列，因此該代碼位于“ j”位置，這意味著方括號需要首先用逗號將“ i”位置保留為空：

mydt[, j]

選擇data.table列

我喜歡data.table的一件事是，很容易選擇帶引號或不帶引號的列。 不帶引號通常更方便（通常是整齊的方式）。 但是如果您要在自己的函數(shù)中使用data.table，或者要傳遞在代碼中其他位置創(chuàng)建的向量，則使用quoted很有用。

您可以選擇典型的基R方式data.table列，并使用帶引號的列名稱的常規(guī)向量。 例如：

dt1 <- mydt[, c("LanguageWorkedWith", "LanguageDesireNextYear",
"OpenSourcer", "CurrencySymbol", "ConvertedComp”,
“Hobbyist”)]

如果要不加引號地使用它們，請創(chuàng)建一個列表而不是一個矢量，然后可以傳遞未加引號的名稱。

dt1 <- mydt[, list(LanguageWorkedWith, LanguageDesireNextYear,
OpenSourcer, CurrencySymbol, ConvertedComp,
Hobbyist)]

現(xiàn)在我們來第一個特殊符號。 除了輸入list() ，您還可以使用點：

dt1 <- mydt[, .(LanguageWorkedWith, LanguageDesireNextYear,
OpenSourcer, CurrencySymbol, ConvertedComp,
Hobbyist)]

.()是data.table括號內(nèi)list()的快捷方式。

如果要使用一個已經(jīng)存在的列名向量怎么辦？ 將矢量對象名稱放在data.table括號內(nèi)將不起作用。 如果創(chuàng)建帶有引號的列名的向量，如下所示：

mycols <- c("LanguageWorkedWith", "LanguageDesireNextYear",
"OpenSourcer", "CurrencySymbol", "ConvertedComp", "Hobbyist")

那么這個代碼將無法正常工作：

dt1 <- mydt[, mycols]

相反，您需要在矢量對象名稱的前面放置.. （兩個點）：

dt1 <- mydt[, ..mycols]

為什么要兩個點？ 在我閱讀說明之前，這對我來說似乎是隨機的。 可以將其想像成Unix命令行終端中的兩個點，它們將您向上移動一個目錄。 在這里，您正在將一個命名空間 （從data.table括號內(nèi)的環(huán)境上移到全局環(huán)境）上移。 （這確實幫助我記住了！）

計數(shù)數(shù)據(jù)表行

轉(zhuǎn)到下一個符號。 要按組計數(shù)，可以使用data.table的.N符號，其中.N代表“行數(shù)”。 它可以是總行數(shù)，也可以是每個組的行數(shù)（如果您在“ by”部分中進(jìn)行匯總）。

此表達(dá)式返回data.table中的總行數(shù)：

mydt[, .N]

下面的示例計算按一個變量分組的行數(shù)：調(diào)查中的人是否也將代碼編碼為嗜好（ Hobbyist變量）。

mydt[, .N, Hobbyist]

# returns:
Hobbyist N 1: Yes 71257 2: No 17626

如果只有一個變量，則可以在data.table括號內(nèi)使用普通列名稱。 如果要按兩個或多個變量分組，請使用. 符號。 例如：

mydt[, .N, .(Hobbyist, OpenSourcer)]

要從最高到最低排序結(jié)果，您可以在第一組之后添加第二組。 .N符號會自動生成一個名為N的列（當(dāng)然，您可以根據(jù)需要對其進(jìn)行重命名），因此按行數(shù)排序的方式如下所示：

mydt[, .N, .(Hobbyist, OpenSourcer)][order(Hobbyist, -N)]

在學(xué)習(xí)data.table代碼時，我發(fā)現(xiàn)逐步閱讀它很有幫助。 因此，我將其讀為“對于mydt中的所有行（因為“ I”位置中沒有任何內(nèi)容），對行數(shù)進(jìn)行計數(shù)，并按Hobbyist和OpenSourcer進(jìn)行分組。 然后先由Hobbyist排序，然后行數(shù)降序。”

等效于以下dplyr代碼：

mydf %>%
count(Hobbyist, OpenSourcer) %>%
order(Hobbyist, -n)

如果您發(fā)現(xiàn)tidyverse常規(guī)多行方法更具可讀性，那么此data.table代碼也可以工作：

mydt[, .N,
.(Hobbyist, OpenSourcer)][
order(Hobbyist, -N)
]

將列添加到data.table

接下來，我想添加列以查看每個受訪者是否使用R，是否使用Python，是否都使用R或都不使用R。 LanguageWorkedWith列包含有關(guān)所用LanguageWorkedWith信息，該數(shù)據(jù)的幾行如下所示：

沙龍·馬克斯（Sharon Machlis）

Stack Overflow開發(fā)人員調(diào)查數(shù)據(jù)的LanguagesWorkedWith列的幾行。

每個答案都是一個字符串。 大多數(shù)語言有多種語言，用分號分隔。

通常，與R相比，搜索Python要容易得多，因為您不僅可以使用搜索“ Python”的方式在字符串中搜索“ R”（Ruby和Rust也包含大寫的R）。 這是創(chuàng)建TRUE / FALSE向量的簡單代碼，該向量檢查LanguageWorkedWith中的每個字符串是否包含Python：

ifelse(LanguageWorkedWith %like% "Python", TRUE, FALSE)

如果您知道SQL，就會認(rèn)識到這種“贊”語法。 我，就像%like%. 這是檢查模式匹配的一種很好的簡化方法。 函數(shù)文檔說，它打算在data.table括號內(nèi)使用，但實際上您可以在任何代碼中使用它，而不僅僅是data.tables。 我與data.table的創(chuàng)建者M(jìn)att Dowle進(jìn)行了核對，他說在括號內(nèi)使用它的建議是因為在那里進(jìn)行了一些額外的性能優(yōu)化。

接下來，下面的代碼將一個名為PythonUser的列添加到data.table中：

dt1[, PythonUser := ifelse(LanguageWorkedWith %like% "Python", TRUE, FALSE)]

注意:=運算符。 Python也有類似的運算符，自從我聽說它被稱為“海象運算符”以來，這就是我所說的。 我認(rèn)為這是正式的“參考轉(zhuǎn)讓”。 這是因為上面的代碼通過添加新列來更改了現(xiàn)有對象dt1 data.table， 而無需將其保存到新變量中。

要搜索R，我將使用正則表達(dá)式"\\bR\\b"表示：“找到一個以單詞邊界開頭的模式- \\b ，然后是R ，然后以另一個單詞邊界結(jié)束。 （我不能只尋找“ R;”，因為每個字符串中的最后一項沒有分號。）

這會將RUser列添加到dt1：

dt1[, RUser := ifelse(LanguageWorkedWith %like% "\\bR\\b", TRUE, FALSE)]

如果要使用:=一次添加兩列，則需要通過反引號將該海象運算符轉(zhuǎn)換為函數(shù)，如下所示：

dt1[, `:=` (
PythonUser = ifelse(LanguageWorkedWith %like% "Python", TRUE, FALSE),
RUser = ifelse(LanguageWorkedWith %like% "\\bR\\b", TRUE, FALSE)
)]

更有用的data.table運算符

還有其他一些data.table運算符值得了解。 %between%運算符具有以下語法：

myvector %between% c(lower_value, upper_value)

因此，如果我要過濾所有賠償金額在50,000到100,000美元之間的所有答復(fù)，則此代碼有效：

comp_50_100k <- dt1[CurrencySymbol == "USD" &
ConvertedComp %between% c(50000, 100000)]

上面的第二行是介于兩者之間的條件。 請注意， %between%運算符在檢查時包括下限值和上限值。

另一個有用的運算符是%chin% 。 它的工作方式類似于基R的%in%但針對速度進(jìn)行了優(yōu)化，并且僅適用于字符向量 。 因此，如果我要過濾OpenSourcer列為“從不”或“每年少于一次”的所有行，則此代碼有效：

rareos <- dt1[OpenSourcer %chin% c("Never", "Less than once per year")]

這與基本R非常相似，不同之處在于基本R必須在括號內(nèi)指定數(shù)據(jù)框名稱，并且在過濾器表達(dá)式后還需要逗號：

rareos_df <- df1[df1$OpenSourcer %in% c("Never", "Less than once per year"),]

新的fcase（）函數(shù)

對于最后一個演示，我將首先創(chuàng)建一個新的data.table，其中僅包含以美元報告的人：

usd <- dt1[CurrencySymbol == "USD" & !is.na(ConvertedComp)]

接下來，我將創(chuàng)建一個名為Language的新列，用于說明某人是僅使用R，僅使用Python還是不使用。 我將使用新的fcase()函數(shù)。 在本文發(fā)布時， fcase()僅在data.table的開發(fā)版本中可用。 如果已經(jīng)安裝了data.table，則可以使用以下命令更新到最新的dev版本：

data.table::update.dev.pkg()

fcase（）函數(shù)類似于SQL的CASE WHEN語句和dplyr的case_when()函數(shù)。 基本語法為fcase(condition1, "value1", condition2, "value2")等。 可以使用default = value添加“其他所有內(nèi)容”的default = value 。

這是創(chuàng)建新的“語言”列的代碼：

usd[, Language := fcase(
RUser & !PythonUser, "R",
PythonUser & !RUser, "Python",
PythonUser & RUser, "Both",
!PythonUser & !RUser, "Neither"
)]

我將每個條件放在單獨的行上，因為我發(fā)現(xiàn)它更易于閱讀，但您不必這樣做。

注意：如果您使用的是RStudio，則在使用walrus運算符創(chuàng)建新列之后，data.table結(jié)構(gòu)不會在右上方的RStudio窗格中自動更新。 您需要手動單擊刷新圖標(biāo)以查看列數(shù)的更改。

在本文中我將不介紹其他一些符號。 您可以通過運行help("special-symbols")在“特殊符號” data.table幫助文件中找到它們的列表。 最有用的.SD之一已經(jīng)有自己的《用R做更多事情 》文章和視頻，“ 如何在R data.table包中使用.SD ”。

有關(guān)R的更多技巧，請轉(zhuǎn)到InfoWorld上的“用R做更多”頁面，或查看YouTube播放列表中的“用R做更多” 。

From: https://www.infoworld.com/article/3530348/r-datatable-symbols-and-operators-you-should-know.html

總結(jié)

以上是生活随笔為你收集整理的您应该知道的R data.table符号和运算符的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。