與data.table

Question

自定義功能，我有一個數據幀：本週

a <- data.frame(BEG_D=as.Date(c("2014-01-01","2014-01-01","2014-01-01","2014-01-01","2014-01-01","2014-01-01","2014-01-01","2014-01-08")) , day=c("Mon","Tues","Wed","Thurs","Fri","Satur","Sun","Mon"), WkNo=c(1,1,1,1,1,1,1,2)) 

這裏BEG_D代表開始日（以「2014年1月1日」是星期日）。爲了生成其餘的日期編號。我寫了一個自定義函數，並使用與ddply相同：

date_generator <- function(f){ 
    f$seq <- seq(nrow(f))-1 
    f$date <- as.Date(f$BEG_D + f$seq) 
    return(f) 
} 

b <- ddply(a,.(WkNo),date_generator) 

也能正常工作的結果作爲新的數據幀，我有：

seq = c(0,1,2,3,4,5,6,0) 
date = c("2014-01-01","2014-01-02","2014-01-03","2014-01-04","2014-01-05","2014-01-06","2014-01-07","2014-01-08") 

但對我大數據幀需要很長時間。除此之外，還有一些更長時間的ddply操作。所以我決定使用data.table和相同的數據。

date_generator <- function(f){ 
    f[,seq := seq(nrow(f))-1] 
    f[,.(date = as.Date(BEG_D + seq))] 
    return(f) 
} 

a[,date_generator(.SD),by=.(WkNo)] 

這樣扔了一個錯誤：

Error in [.data.table(f, , :=(seq, seq(nrow(f)) - 1)) : .SD is locked. Using := in .SD's j is reserved for possible future use; a tortuously flexible way to modify by group. Use := in j directly to modify by group by reference.

什麼是寫與data.table這個自定義函數的正確方法，以及爲什麼ddply對於大型數據幀這麼慢？

Answer 1

下面是做到這一點的data.table的標準方式：

a[, date := BEG_D + 1:.N - 1, by=WkNo] 

變量.N店nrow(.SD)，該by組的大小。我建議看一看優秀的introductory materials，以瞭解它的成語。