data.table：如何根据包含列名的分组唯一行值更改列值

Question

我有一个包含 ~18^6 行的 data.table，我需要通过 ID 获取 CLASS 的唯一值，并将它们各自的列设置为 1，如下图所示宝贝示例

DT <- data.table::data.table(ID=c("1","1","1","2","2"),
                             CLASS=c("a","a","b","c","b"),
                             a=c(0,0,0,0,0),
                             b=c(0,0,0,0,0),
                             c=c(0,0,0,0,0))

### Start with this
ID CLASS a b c
1      a 0 0 0
1      a 0 0 0
1      b 0 0 0
2      c 0 0 0
2      b 0 0 0

### Want this
ID CLASS a b c
1      a 1 1 0
1      a 1 1 0
1      b 1 1 0
2      c 0 1 1
2      b 0 1 1

我的第一直觉是尝试下面的代码，但发现它会将所有列设置为 1，因为 unique(DT$CLASS) 固有地包含所有 ID 的所有唯一值，并且不会通过 "grouping" 参数参数这么说。

### Tried this
DT[,unique(DT$CLASS):=1,by=ID]

### Got this
ID CLASS a b c
1      a 1 1 1
1      a 1 1 1
1      b 1 1 1
2      c 1 1 1
2      b 1 1 1

我一直在努力充分利用 data.table 的全部潜力和速度，并且想仅使用 data.table 个参数中的命令来创建所需的输出。

谁能帮我写出正确的代码，只使用 data.table commands/arguments，让我的第 j 个索引只包含唯一值，按 ID，并将适当的列设置为 1？

Follow-up Question:

假设每一行也有一个关联的日期 RXDATE，我想创建所有 class 值的相应列名，这些值按 ID CLASS 保存最小 RXDATE .我也可以为此求助于 dcast 吗？

### Start with this
ID CLASS a b c RXDATE
1      a 1 1 0 1-1-99
1      a 1 1 0 1-2-99
1      b 1 1 0 1-3-99
2      c 0 1 1 5-4-00
2      b 0 1 1 6-5-01

### Want this
ID CLASS a b c RXDATE   a_DT   b_DT   c_DT
1      a 1 1 0 1-1-99 1-1-99 1-3-99     NA
1      a 1 1 0 1-2-99 1-1-99 1-3-99     NA
1      b 1 1 0 1-3-99 1-1-99 1-3-99     NA
2      c 0 1 1 5-4-00     NA 6-5-01 5-4-00
2      b 0 1 1 6-5-01     NA 6-5-01 5-4-00

Answer 1

这是一种选择。

unique_wide <- dcast(DT[, unique(CLASS), by = ID], ID ~ V1, value.var = "V1")

classes <- setdiff(names(unique_wide), "ID")
unique_wide[, (classes) := lapply(.SD, function(col) { ifelse(is.na(col), 0L, 1L) }),
            .SDcols = classes]

DT[, (classes) := unique_wide[.SD, classes, on = "ID", with = FALSE]]
DT[]
   ID CLASS a b c
1:  1     a 1 1 0
2:  1     a 1 1 0
3:  1     b 1 1 0
4:  2     c 0 1 1
5:  2     b 0 1 1

我们首先用DT[, unique(CLASS), by = ID]得到可能的唯一值。请注意，您可以直接引用 j 中的列，而无需 $。我们可以将其重塑为宽格式以获得如下内容：

   ID    a b    c
1:  1    a b <NA>
2:  2 <NA> b    c

接下来的两行只是将值转换为整数，将 NA 设置为 0，否则设置为 1。

> unique_wide
   ID a b c
1:  1 1 1 0
2:  2 0 1 1

之后应用，这就像一个嵌套连接。在这种情况下，连接是基于 ID 完成的，因此它在 DT 和 unique_wide 之间匹配的所有行都将非 ID 列的值更新为 unique_wide 中存在的值。另请注意，with = FALSE 对基于包含字符向量的变量的 select 列很有用。

顺便说一句，请注意，您甚至不需要最初的 0 个非 ID 列，如果您将 table 声明为

DT <- data.table::data.table(ID=c("1","1","1","2","2"),
                             CLASS=c("a","a","b","c","b"))

上面的代码仍然有效。

Answer 2

使用 dcast 和 merge 你还可以：

DT <- data.table::data.table(ID=c("1","1","1","2","2"),
                             CLASS=c("a","a","b","c","b"),
                             a=c(0,0,0,0,0),
                             b=c(0,0,0,0,0),
                             c=c(0,0,0,0,0))

# dcast to convert to wide
DT_dcast <- dcast(DT[, .(ID, CLASS)], ID ~ CLASS, fun.aggregate = function(x) length(unique(x)), value.var = "CLASS")
DT_dcast
   ID a b c
1:  1 1 1 0
2:  2 0 1 1

# Then merge with the original data.table
DT_m <- merge(DT[, .(ID, CLASS)], DT_dcast, by = "ID")
DT_m
   ID CLASS a b c
1:  1     a 1 1 0
2:  1     a 1 1 0
3:  1     b 1 1 0
4:  2     c 0 1 1
5:  2     b 0 1 1

编辑您仍然可以对 dcast 和 merge.

使用相同的方法

我从你的 'start with this' 数据中注意到第 2 行有不同的 RX 日期，从 'want this' 数据中你只为此保留了 '1-1-99'。

DT2 <- data.table::data.table(ID=c("1","1","1","2","2"),
                             CLASS=c("a","a","b","c","b"),
                             a=c(0,0,0,0,0),
                             b=c(0,0,0,0,0),
                             c=c(0,0,0,0,0), 
                             RXDate = c("1-1-99", "1-2-99", "1-3-99", "5-4-00", "6-5-01"))

# 2nd row from the data provided has different RXDate under same ID and Class.
# Use x[1] to pick first
DT_dcast <- dcast(DT2[, .(ID, CLASS, RXDate)], ID ~ CLASS, 
                  fun.aggregate = function(x) x[1], 
                  value.var = c("CLASS", "RXDate"))
DT_dcast
   ID CLASS.1_a CLASS.1_b CLASS.1_c RXDate_a RXDate_b RXDate_c
1:  1         a         b      <NA>   1-1-99   1-3-99     <NA>
2:  2      <NA>         b         c     <NA>   6-5-01   5-4-00

# Convert 1 or 0 under CLASS
class_cols <- names(DT_dcast)[grepl("CLASS", names(DT_dcast))]
for (col in class_cols) set(DT_dcast, j = col, value = ifelse(is.na(DT_dcast[[col]]), 0, 1))

DT_dcast
ID CLASS.1_a CLASS.1_b CLASS.1_c RXDate_a RXDate_b RXDate_c
1:  1         1         1         0   1-1-99   1-3-99     <NA>
2:  2         0         1         1     <NA>   6-5-01   5-4-00

# Then merge with the original data.table
DT_m <- merge(DT2[, .(ID, CLASS, RXDate)], DT_dcast, by = "ID")
DT_m

   ID CLASS RXDate CLASS.1_a CLASS.1_b CLASS.1_c RXDate_a RXDate_b RXDate_c
1:  1     a 1-1-99         1         1         0   1-1-99   1-3-99     <NA>
2:  1     a 1-2-99         1         1         0   1-1-99   1-3-99     <NA>
3:  1     b 1-3-99         1         1         0   1-1-99   1-3-99     <NA>
4:  2     c 5-4-00         0         1         1     <NA>   6-5-01   5-4-00
5:  2     b 6-5-01         0         1         1     <NA>   6-5-01   5-4-00

如果要重命名列，可以使用 setnames

Answer 3

另一种可能的方法：

idx <- DT3[, CJ(I=.I, J=match(unique(CLASS), names(DT))), by=ID]
setDF(DT3)
DT3[as.matrix(idx[, .(I, J)])] <- 1L
setDT(DT3)[]

data.table：如何根据包含列名的分组唯一行值更改列值

data.table: How to change column values based on grouped unique row values that contain column names

grouping

r

multiple-columns

data.table

dcast