在data.table中轉換* some *列類

Question

我想將data.table cols的子集轉換爲新類。這裏有一個受歡迎的問題（Convert column classes in data.table），但答案會創建一個新對象，而不是在起始對象上進行操作。

拿這個例子：

dat <- data.frame(ID=c(rep("A", 5), rep("B",5)), Quarter=c(1:5, 1:5), value=rnorm(10)) 
cols <- c('ID', 'Quarter') 

如何以最佳方式轉換爲只cols列（例如）一個因素？在一個正常的data.frame你可以這樣做：

dat[, cols] <- lapply(dat[, cols], factor) 

但是，這並不爲data.table工作，而且也沒有這個

dat[, .SD := lapply(.SD, factor), .SDcols = cols] 

從馬特Dowle鏈接的問題中留言（從2013年12月）建議以下，這工作正常，但似乎不太優雅。

for (j in cols) set(dat, j = j, value = factor(dat[[j]])) 

是否有目前更好的data.table答案（即短+不產生計數器變量），或者我應該只使用上述+ rm(j)？

Answer 1

除了使用選項馬特Dowle的建議，更改列類的另一種方式如下：

dat[, (cols) := lapply(.SD, factor), .SDcols=cols] 

通過使用:=您可以通過引用更新數據表。支票，這是否工作：

> sapply(dat,class) 
     ID Quarter  value 
"factor" "factor" "numeric" 

正如評論suggeted通過@MattDowle，你也可以使用的for(...) set(...)組合如下：

for (col in cols) set(dat, j = col, value = factor(dat[[col]])) 

這將給予同樣的結果。第三個選擇是：

for (col in cols) dat[, (col) := factor(dat[[col]])] 

在一個較小的數據集，該for(...) set(...)選項比lapply選項快約三倍（但其實並不重要，因爲它是一個小的數據集）。在較大的數據集上（例如200萬行），這些方法中的每一種都需要大致相同的時間。對於在更大的數據集進行測試時，我用：

dat <- data.table(ID=c(rep("A", 1e6), rep("B",1e6)), 
        Quarter=c(1:1e6, 1:1e6), 
        value=rnorm(10)) 

---

有時候，你將不得不這樣做有點不同（例如，當數值存儲爲一個因素）。然後，你必須使用這樣的事情：

dat[, (cols) := lapply(.SD, function(x) as.integer(as.character(x))), .SDcols=cols] 

---

---

警告：下面的解釋是不做事data.table三通。數據表不會通過引用進行更新，因爲複製是在內存中創建並存儲的（如@Frank指出的那樣）會增加內存使用量。它更多的是爲了解釋with=FALSE的工作。

當你想更改的列類，你會用一個數據框做同樣的方式，你必須添加with = FALSE如下：

dat[, cols] <- lapply(dat[, cols, with = FALSE], factor) 

的檢查，這是否工作：

> sapply(dat,class) 
     ID Quarter  value 
"factor" "factor" "numeric" 

如果您未添加with = FALSE，則數據表將評估爲dat[, cols]作爲向量。檢查的輸出差異dat[, cols]和dat[, cols, with=FALSE]之間：

> dat[, cols] 
[1] "ID"  "Quarter" 

> dat[, cols, with=FALSE] 
    ID Quarter 
1: A  1 
2: A  2 
3: A  3 
4: A  4 
5: A  5 
6: B  1 
7: B  2 
8: B  3 
9: B  4 
10: B  5 

Answer 2

您可以使用.SDcols：

dat[, cols] <- dat[, lapply(.SD, factor), .SDcols=cols]