嵌套分組與data.table

Question

在下面的data.table中，我有關於參與項目的團隊組成的信息。變量id告訴團隊ID，而變量event給出項目編號。變量freqrel描述了團隊的組成（您可以看到freqrel在每個團隊中的總和爲1）。

structure(list(id = c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 
4L, 4L, 5L, 5L, 5L), event = c("127b", "127b", "127b", "127b", 
"127b", "127b", "127b", "127b", "127b", "125t", "125t", "125t", 
"125t", "125t", "125t"), membr = c("engineer", "mathematician", 
"physicist", "mathematician", "physicist", "surgeon", "dentist", 
"mathematician", "programmer", "physicist", "sociologist", "surgeon", 
"musician", "sociologist", "surgeon"), freqrel = c(0.4, 0.4, 
0.2, 0.166666666666667, 0.5, 0.333333333333333, 0.333333333333333, 
0.5, 0.166666666666667, 0.75, 0.125, 0.125, 0.444444444444444, 
0.444444444444444, 0.111111111111111)), .Names = c("id", "event", 
"membr", "freqrel"), row.names = c(NA, -15L), class = c("data.table", 
"data.frame"), sorted = c("id", "event"), .internal.selfref = <pointer: 0x039a24a0>) 

我看到數據的方式被拆分成嵌套組。第一部分發生在項目層面（直線），第二部分發生在團隊層面（虛線）。

id event   membr freqrel 
1: 1 127b  engineer 0.4000000 
2: 1 127b mathematician 0.4000000 
3: 1 127b  physicist 0.2000000 
-------------------------------------- 
4: 2 127b mathematician 0.1666667 
5: 2 127b  physicist 0.5000000 
6: 2 127b  surgeon 0.3333333 
-------------------------------------- 
7: 3 127b  dentist 0.3333333 
8: 3 127b mathematician 0.5000000 
9: 3 127b programmer 0.1666667 
_____________________________________ 
10: 4 125t  physicist 0.7500000 
11: 4 125t sociologist 0.1250000 
12: 4 125t  surgeon 0.1250000 
-------------------------------------- 
13: 5 125t  musician 0.4444444 
14: 5 125t sociologist 0.4444444 
15: 5 125t  surgeon 0.1111111 

從我想加入到他們每個人的membr類型的球隊沒有特色的同時，賦予它們freqrel = 0，使內同一個項目完全可比球隊本起始條件。結果應該是這樣的：

id event   membr freqrel 
1: 1 127b  dentist 0.0000000 
2: 1 127b  engineer 0.4000000 
3: 1 127b mathematician 0.4000000 
4: 1 127b  physicist 0.2000000 
5: 1 127b programmer 0.0000000 
6: 1 127b  surgeon 0.0000000 
-------------------------------------- 
7: 2 127b  dentist 0.0000000 
8: 2 127b  engineer 0.0000000 
9: 2 127b mathematician 0.1666667 
10: 2 127b  physicist 0.5000000 
11: 2 127b programmer 0.0000000 
12: 2 127b  surgeon 0.3333333  
-------------------------------------- 
13: 3 127b  dentist 0.3333333 
14: 3 127b  engineer 0.0000000 
15: 3 127b mathematician 0.5000000 
16: 3 127b  physicist 0.0000000 
17: 3 127b programmer 0.1666667 
18: 3 127b  surgeon 0.0000000 
_____________________________________ 
19: 4 125t  musician 0.0000000 
20: 4 125t  physicist 0.7500000 
21: 4 125t sociologist 0.1250000 
22: 4 125t  surgeon 0.1250000 
-------------------------------------- 
23: 5 125t  musician 0.4444444 
24: 5 125t  physicist 0.0000000 
25: 5 125t sociologist 0.4444444 
26: 5 125t  surgeon 0.1111111 

換言之，將數據使用event作爲密鑰by後，我需要劃分的第二時間，並比較與所述第二分束而獲得的數據的塊。 但這裏的問題是，我不知道如何引用與by獲得的第一塊，然後再次如何拆分，並在數據庫之間進行比較。你有什麼想法我可以解決這個問題嗎？

如果你能幫助我，我將非常感激。真。

Answer 1

這裏有一個簡單的方法：

setkey(dt, id, membr) 
ans <- dt[, .SD[CJ(unique(id), unique(membr))], by=list(event)] 

然後，您只需更換NA用0如下：

ans[is.na(freqrel), freqrel := 0.0] 

---

一些解釋：你的問題歸結到這一點 - 爲每個event，你想要所有可能的組合id, membr，這樣你就可以在這個全組合wi薄組合使用.SD。

所以，首先我們按event，並在這一點，我們首先得到id, membr所有組合與CJ的幫助（這將默認密鑰集所有列）。但是，要執行加入，我們需要爲.SD設置密鑰。因此，我們將key設置爲dt預設爲id, membr。因此，我們在每個組中執行連接，併爲您提供預期的結果。希望這個對你有幫助。