如何防止 data.table 在不手动指定这些变量的情况下将数字变量强制转换为字符变量?
How to prevent data.table to force numeric variables into character variables without manually specifying these?
考虑以下数据集:
dt <- structure(list(lllocatie = structure(c(1L, 6L, 2L, 4L, 3L), .Label = c("Assen", "Oosterwijtwerd", "Startenhuizen", "t-Zandt", "Tjuchem", "Winneweer"), class = "factor"),
lat = c(52.992, 53.32, 53.336, 53.363, 53.368),
lon = c(6.548, 6.74, 6.808, 6.765, 6.675),
mag.cat = c(3L, 2L, 1L, 2L, 2L),
places = structure(c(2L, 4L, 5L, 6L, 3L), .Label = c("", "Amen,Assen,Deurze,Ekehaar,Eleveld,Geelbroek,Taarlo,Ubbena", "Eppenhuizen,Garsthuizen,Huizinge,Kantens,Middelstum,Oldenzijl,Rottum,Startenhuizen,Toornwerd,Westeremden,Zandeweer", "Loppersum,Winneweer", "Oosterwijtwerd", "t-Zandt,Zeerijp"), class = "factor")),
.Names = c("lllocatie", "lat", "lon", "mag.cat", "places"),
class = c("data.table", "data.frame"),
row.names = c(NA, -5L))
当我想将最后一列中的字符串拆分成单独的行时,我使用(data.table
版本1.9.5+):
dt.new <- dt[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed=TRUE))), by=list(lllocatie,lat,lon,mag.cat)]
然而,当我使用:
dt.new2 <- dt[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed=TRUE))), by=lllocatie]
除了所有列都被强制转换为字符变量外,我得到了相同的结果。问题在于,对于小型数据集,在 by
参数中指定不必拆分的变量并不是什么大问题,但对于具有许多 columns/variables 的数据集来说,问题就大了。我知道可以使用 splitstackshape
包(如 所述)来执行此操作,但我正在寻找 data.table
解决方案,因为我想将更多操作链接到此.
如何在不手动指定不必在 by
参数中拆分的变量的情况下防止这种情况发生?
这正是来自 splitstackshape
包的 cSplit
的工作:
library(splitstackshape)
cSplit(dt, 'places', ',')
两个解决方案data.table
:
1:按照@Arun 的建议,在 tstrsplit()
中使用 type.convert=TRUE
参数:
dt.new1 <- dt[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed=TRUE, type.convert=TRUE))), by=lllocatie]
2:在@Frank 提议的 by
参数中使用 setdiff(names(dt),"places")
:
dt.new2 <- dt[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed=TRUE))), by=setdiff(names(dt),"places")]
两种方法给出相同的结果:
> identical(dt.new1,dt.new2)
[1] TRUE
第二种解决方案的优点是,当您有多个具有字符串值的列时,只有您在 setdiff(names(dt),"places")
中指定的列被拆分(假设您只想要那个特定的列,在这种情况下 places
,拆分)。 splitstackshape
包也提供了这个优势。
考虑以下数据集:
dt <- structure(list(lllocatie = structure(c(1L, 6L, 2L, 4L, 3L), .Label = c("Assen", "Oosterwijtwerd", "Startenhuizen", "t-Zandt", "Tjuchem", "Winneweer"), class = "factor"),
lat = c(52.992, 53.32, 53.336, 53.363, 53.368),
lon = c(6.548, 6.74, 6.808, 6.765, 6.675),
mag.cat = c(3L, 2L, 1L, 2L, 2L),
places = structure(c(2L, 4L, 5L, 6L, 3L), .Label = c("", "Amen,Assen,Deurze,Ekehaar,Eleveld,Geelbroek,Taarlo,Ubbena", "Eppenhuizen,Garsthuizen,Huizinge,Kantens,Middelstum,Oldenzijl,Rottum,Startenhuizen,Toornwerd,Westeremden,Zandeweer", "Loppersum,Winneweer", "Oosterwijtwerd", "t-Zandt,Zeerijp"), class = "factor")),
.Names = c("lllocatie", "lat", "lon", "mag.cat", "places"),
class = c("data.table", "data.frame"),
row.names = c(NA, -5L))
当我想将最后一列中的字符串拆分成单独的行时,我使用(data.table
版本1.9.5+):
dt.new <- dt[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed=TRUE))), by=list(lllocatie,lat,lon,mag.cat)]
然而,当我使用:
dt.new2 <- dt[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed=TRUE))), by=lllocatie]
除了所有列都被强制转换为字符变量外,我得到了相同的结果。问题在于,对于小型数据集,在 by
参数中指定不必拆分的变量并不是什么大问题,但对于具有许多 columns/variables 的数据集来说,问题就大了。我知道可以使用 splitstackshape
包(如 data.table
解决方案,因为我想将更多操作链接到此.
如何在不手动指定不必在 by
参数中拆分的变量的情况下防止这种情况发生?
这正是来自 splitstackshape
包的 cSplit
的工作:
library(splitstackshape)
cSplit(dt, 'places', ',')
两个解决方案data.table
:
1:按照@Arun 的建议,在 tstrsplit()
中使用 type.convert=TRUE
参数:
dt.new1 <- dt[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed=TRUE, type.convert=TRUE))), by=lllocatie]
2:在@Frank 提议的 by
参数中使用 setdiff(names(dt),"places")
:
dt.new2 <- dt[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed=TRUE))), by=setdiff(names(dt),"places")]
两种方法给出相同的结果:
> identical(dt.new1,dt.new2)
[1] TRUE
第二种解决方案的优点是,当您有多个具有字符串值的列时,只有您在 setdiff(names(dt),"places")
中指定的列被拆分(假设您只想要那个特定的列,在这种情况下 places
,拆分)。 splitstackshape
包也提供了这个优势。