data.table：根據自定義函數中的條件選擇部分數據集

Question

我想編寫一個函數，使用data.table包來選擇一部分數據集。該函數的聲明參數是：

• 輸入數據集（dset），
• 變量，在其上的數據集將被子集（seg.var），上述可變聲明（value）的
• 值。

我能寫工作職能在基礎R：

# Function without data.table 

data.select <- function(dset, seg.var, value){ 
    dset.out <- dset[dset[[seg.var]] == value,] 
    return(dset.out) 
} 

data.select(iris, "Species", "setosa") 

但是，我不能data.table包重寫：以下的功能無法正常工作。 5個COLS的對象 '物種' 未找到

data.select.dt(iris, "Species", "setosa") 

空data.table（0行）：：

# Function with data.table 

data.select.dt <- function(dset, seg.var, value){ 
    dset <- as.data.table(dset) 
    dset.out <- dset[seg.var == value,] 
    return(dset.out) 
} 

data.select.dt(iris, Species, "setosa") 

錯誤的eval（expr中，ENVIR，enclos）萼片.Length，Sepal.Width，Petal.Length，Petal.Width，Species

輸入數據集格式爲data.frame格式。重寫上述給定函數的目標是性能改進。任何幫助，將不勝感激。

Answer 1

這是一個評論有點太長了，所以一個單獨的答案：

首先，我提到爲@ R，S註釋的get()功能。回答：

data.select.dt.V1 <- function(dset, seg.var, value){ 
    if(!data.table::is.data.table(dset)) dset <- data.table::as.data.table(dset) # To convert only if needed 
    dset[get(seg.var) == value,] 
} 

data.select.dt.V1(iris, 'Species', 'setosa') 

然後更data.table功能，在這裏你可以通過第二個參數是一個表達式（當然，在data.table方式），而不是一個字符串：

data.select.dt.V2 <- function(dset, seg.var, value){ 
    if(!data.table::is.data.table(dset)) dset <- data.table::as.data.table(dset) # To convert only if needed 
    sv <- substitute(seg.var) 
    dset[eval(sv) == value,] 
} 

data.select.dt.V2(iris, Species, 'setosa') 

編輯：功能簡化和轉換測試（感謝@David Arenburg評論）。

第二編輯：基準測試上述兩種功能與@大衛Arenburg對515 MB data.table和data.frame一個（有和沒有is.data.table檢查，V3和V4分別地）：

data.select.dt.V3 <- function(dset, seg.var, value) data.table::as.data.table(dset)[.(value), on = seg.var] 

data.select.dt.V4 <- function(dset, seg.var, value) { 
    if(!data.table::is.data.table(dset)) dset <- data.table::as.data.table(dset) # To convert only if needed 
    dset[.(value), on = seg.var] 
} 

                expr  min  lq  mean median  uq  max neval cld 
1 res <- data.select.dt.V1(iris_df, "Species", "setosa") 3.804995 4.585763 4.150130 4.688093 5.320362 3.166503 10 c 
2 res <- data.select.dt.V2(iris_df, Species, "setosa") 3.713275 3.827180 3.865347 4.544968 4.753045 3.218075 10 c 
3 res <- data.select.dt.V3(iris_df, "Species", "setosa") 1.927947 1.942868 2.167127 2.328364 2.595420 2.159664 10 b 
4 res <- data.select.dt.V4(iris_df, "Species", "setosa") 1.987710 2.004497 2.011502 2.280117 2.856847 1.594249 10 b 

5 res <- data.select.dt.V1(iris_dt, "Species", "setosa") 2.771223 2.792428 2.501362 2.805796 3.056144 1.883520 10 b 
6 res <- data.select.dt.V2(iris_dt, Species, "setosa") 2.830161 2.970071 2.593192 3.123812 3.170884 1.752576 10 b 
7 res <- data.select.dt.V3(iris_dt, "Species", "setosa") 1.963530 2.116116 2.059718 2.203265 2.740949 1.768817 10 b 
8 res <- data.select.dt.V4(iris_dt, "Species", "setosa") 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 10 a 

顯然V4是一個至如果你期望data.frame和data.table，如果只有df是可能的，最快的功能將是V3。

Answer 2

這裏有一些微妙之處，我的建議是把它分解成幾個步驟。直先寫代碼，然後轉換成一個功能：

你原來的代碼工作的功能之外：

require(data.table) 

dset <- as.data.table(iris) 
dset.out <- dset[Species == "setosa",] 
dset.out 
> dset <- as.data.table(iris) 
> dset.out <- dset[Species == "setosa",] 
> dset.out 
Sepal.Length Sepal.Width Petal.Length Petal.Width Species 
1:   5.1   3.5   1.4   0.2 setosa 
2:   4.9   3.0   1.4   0.2 setosa 
... 

然而，當你把它包裝在一個函數是失敗...

> require(data.table) 
> data.select.dt <- function(dset, seg.var, value){ 
+ dset <- as.data.table(dset) 
+ dset.out <- dset[ seg.var == eval(value) ] 
+ return(dset.out) 
+ } 
> data.select.dt(iris, Species, "setosa") 
Show Traceback 

Rerun with Debug 
Error in eval(expr, envir, enclos) : object 'Species' not found 

好的，有趣的是，爲什麼它在函數調用中失敗？您需要正確引用「Species」變量。這需要你在通話中解除引用：

dset[dset[["Species"]] == "setosa",] 
> dset[dset[["Species"]] == "setosa",] 
    Sepal.Length Sepal.Width Petal.Length Petal.Width Species 
1:   5.1   3.5   1.4   0.2 setosa 
2:   4.9   3.0   1.4   0.2 setosa 
... 

nb。我發現真正有趣的是調試中的RStudio允許函數工作，但在非調試模式下觸發錯誤。

現在你可以在一個函數把這個包：

data.select.dt <- function(dset, seg.var, value){ 
    dset <- as.data.table(dset) 
    dset.out <- dset[dset[[seg.var]] == value,] 
    return(dset.out) 
} 

注意的物種被包裹在引號"Species" ...

data.select.dt(iris, "Species", "setosa") 

data.select.dt(iris, "Species", "setosa") 
    Sepal.Length Sepal.Width Petal.Length Petal.Width Species 
1:   5.1   3.5   1.4   0.2 setosa 
2:   4.9   3.0   1.4   0.2 setosa 
3:   4.7   3.2   1.3   0.2 setosa 

Answer 3

檢查你的代碼：dset.out <- dset[seg.var == value,]在data.table版本應該是dset.out <- dset[dset[[seg.var]] == value,]這是你原來的。

Species缺少引號，應該是"Species"當您調用該函數時。這就是錯誤信息在工作區中沒有顯示對象Species的原因。

This Works。

data.select.dt <- function(dset, seg.var, value){ 
    dset <- as.data.table(dset) 
    dset.out <- dset[dset[[seg.var]] == value,] 
    return(dset.out) 
} 

data.select.dt(iris, "Species", "setosa") 

編輯添加一個提示，除功能外調試，所以你看到的東西在打破。