rbindlist因素缺失水平

我有幾個data.tables我想rbindlist。這些表格包含（可能缺失）級別的因素。然後rbindlist(...)從do.call(rbind(...))表現不同：rbindlist因素缺失水平

dt1 <- data.table(x=factor(c("a", "b"), levels=letters)) 

rbindlist(list(dt1, dt1))[,x] 
## [1] a b a b 
## Levels: a b 

do.call(rbind, list(dt1, dt1))[,x] 
## [1] a b a b 
## Levels: a b c d e f g h i j k l m n o p q r s t u v w x y z

如果我想保持水平，我有TOR訴諸rbind還是有data.table方式？

來源

2013-10-18 shadow

您可以隨時搶水平，你叫'rbindlist'面前，然後把他們回來（見[這裏]（http://stackoverflow.com/questions/14634964/how -does酮變化的層次對的一因子列功能於一個數據表））。但我認爲你應該有一個'droplevels = TRUE'的說法。 – Justin

我猜rbindlist比較快，因爲它不做的do.call(rbind.data.frame,...)

檢查爲什麼不綁定後設定的水平？

Dt <- rbindlist(list(dt1, dt1)) 
    setattr(Dt$x,"levels",letters) ## set attribute without a copy

從?setattr：

SETATTR（）是在許多情況下是有用通過參考設置屬性，並且可以一個對象的任何物體或零件上使用，而不只是data.tables。

來源

2013-10-18 14:08:17 agstudy

謝謝。但是我實際使用這個的地方，我不知道水平。如果我有2個'data.tables'，我已經需要'unique（unlist（lapply（list（dt1，dt2），function（dt）levels（dt [，x]））））'來找到這些級別，那麼恐怕'do.call（rbind，...）'版本可能會更快。 – shadow

@shadow我猜測只有當行數很多時，纔會有更多的因子水平，在這種情況下，我會問 - 有什麼影響因素？如果使用內部'c.factor'函數，可以加快最後一步的速度，那麼我只會使用因子，如果我有少量元素在數據中重複使用的次數很多 – eddi

fwiw在你的場景中，do.call（data.table ::: c.factor，lapply（list（dt1，dt2），「[['，'x'））' – eddi

感謝您指出這個問題。由於version 1.8.11已定：

dt1 <- data.table(x=factor(c("a", "b"), levels=letters)) 

rbindlist(list(dt1, dt1))[,x] 
#[1] a b a b 
#Levels: a b c d e f g h i j k l m n o p q r s t u v w x y z

來源

2013-10-27 20:54:42 eddi

rbindlist因素缺失水平

回答

相關問題