r data.table 在函数调用中的用法

Question

我想在函数调用中一遍又一遍地执行 data.table 任务： My problem is similar to Data.table and get() command (R) or pass column name in data.table using variable in R 但我无法让它工作

没有函数调用，这工作得很好：

# Load data.table
require(data.table)

# Some data
set.seed(1)
dt <- data.table(type = factor(sample(c("A", "B", "C"), 10e3, replace = T)),
                 weight = rnorm(n = 10e3, mean = 70, sd = 20))

# Decide the minimum frequency a level needs...
min.freq <- 3350

# Levels that don't meet minumum frequency (using data.table)
fail.min.f <- dt[, .N, type][N < min.freq, type]

# Call all these level "Other"
levels(dt$type)[fail.min.f] <- "Other"

但包裹得像

reduceCategorical <- function(variableName, min.freq){
  fail.min.f <- dt[, .N, variableName][N < min.freq, variableName]
  levels(dt[, variableName][fail.min.f]) <- "Other"
}

我只收到如下错误：

 reduceCategorical(dt$x, 3350)
Fehler in levels(df[, variableName][fail.min.f]) <- "Other" : 
 trying to set attribute of NULL value

有时

Error is: number of levels differs

Answer 1

您在包装器中引用的内容略有不同，为了获得 "type" 列名称，您使用的是整个 variableName 这实际上是一个与获取级别相同的向量，您没有使用 variableName 直接在函数中完成

错误是因为 fail.min.f 的值由于引用而变为 NULL。

Answer 2

一种可能性是使用 data.table::setattr 定义您自己的重新调平函数，这将修改 dt。像

DTsetlvls <- function(x, newl)  
   setattr(x, "levels", c(setdiff(levels(x), newl), rep("other", length(newl))))

然后在另一个预定义函数中使用它

f <- function(variableName, min.freq){
  fail.min.f <- dt[, .N, by = variableName][N < min.freq, get(variableName)]
  dt[, DTsetlvls(get(variableName), fail.min.f)]
  invisible()
}

f("type", min.freq)
levels(dt$type)
# [1] "C"     "other"

一些其他 data.table 备选方案

f <- function(var, min.freq) {
  fail.min.f <- dt[, .N, by = var][N < min.freq, get(var)]
  dt[get(var) %in% fail.min.f, (var) := "Other"]
  dt[, (var) := factor(get(var))]
}

或使用set/.I

f <- function(var, min.freq) {
  fail.min.f <- dt[, .I[.N < min.freq], by = var]$V1
  set(dt, fail.min.f, var, "other")
  set(dt, NULL, var, factor(dt[[var]]))
}

或结合base R（不修改原始数据集）

f <- function(df, variableName, min.freq){
  fail.min.f <- df[, .N, by = variableName][N < min.freq, get(variableName)]
  levels(df$type)[fail.min.f] <- "Other"
  df
}

或者，我们可以坚持 characters 代替（如果 type 是 character），你可以简单地做

f <- function(var, min.freq) dt[, (var) := if(.N < min.freq) "other", by = var]

r data.table 在函数调用中的用法

r data.table usage in function call

encoding

r

binning

categorical-data

data.table