data.table 不计算 NA 组

Question

这个问题有部分答案但是这个问题太具体了，我无法将它应用到我自己的问题中。

我想在使用 by 时跳过 NA 组的潜在繁重计算。

library(data.table)

DT = data.table(X = sample(10), 
                Y = sample(10), 
                g1 = sample(letters[1:2], 10, TRUE),
                g2 = sample(letters[1:2], 10, TRUE))

set(DT, 1L, 3L, NA)
set(DT, 1L, 4L, NA)
set(DT, 6L, 3L, NA)
set(DT, 6L, 4L, NA)

DT[, mean(X*Y), by = .(g1,g2)]

在这里我们可以看到包括(NA, NA)组在内最多有5个组。考虑到 (i) 组是无用的 (ii) 组可能非常大并且 (iii) 实际计算比 mean(X*Y) 更复杂，我可以以有效的方式跳过组吗？我的意思是，没有创建剩余 table 的副本。确实有以下作品。

DT2 = data.table:::na.omit.data.table(DT, cols = c("g1", "g2"))
DT2[, mean(X*Y), by = .(g1,g2)]

Answer 1

您可以使用 if 子句：

DT[, if (!anyNA(.BY)) mean(X*Y), by = .(g1,g2)]

   g1 g2       V1
1:  b  a 25.75000
2:  a  b 24.00000
3:  b  b 35.33333

来自 ?.BY 帮助：

.BY is a list containing a length 1 vector for each item in by. This can be useful [...] to branch with if() depending on the value of a group variable.

data.table 不计算 NA 组

data.table do not compute NA groups in by

grouping

group-by

r

na

data.table