R：強制data.table計算所有交互

這裏是一個data.table：R：強制data.table計算所有交互

dat = data.table(var1=rnorm(120), var2=rep(c('a','b','c'),40), var3=rep(c(1,2,3,2,1,2,1,2,2,3,1,2),10)) 

dat2 = dat[,list(resp = mean(var1)),by=list(var2, var3)]

在dat2，dat$var2等的唯一現有相互作用dat$var3都存在。我如何強制dat2爲var2和var3包含所有9種可能的交互（而不是7行dat2）的結果？如果data.table沒有直接的解決方案，那麼解決這個問題最簡單的方法是什麼？

table(dat$var2, dat$var3) 

    1 2 3 
    a 20 10 10 
    b 20 20 0 
    c 0 30 10

當然，對於其中在dat不存在數據的相互作用，dat2應包含在RESP NA。

來源

2013-12-13 Remi.b

爲什麼不只是'data.table（...）'而不是'as.data.table（data.frame（...））'？ – Arun

沒理由，那真是愚蠢！我修好了它！謝謝 –

您可以設置key，然後做在i像這樣使用CJ一個交叉連接...

setkey(dat , var2 , var3) 

# Thanks to @Shadow for pointing out to use unique() in the cross join 
dat[ CJ(unique(var2) , unique(var3)) , mean(var1) ] 
# var2 var3   V1 
#1: a 1 -0.25771923 
#2: a 2 0.04143057 
#3: a 3 0.28878451 
#4: b 1 0.18865887 
#5: b 2 0.53632552 
#6: b 3   NA 
#7: c 1   NA 
#8: c 2 0.38015021 
#9: c 3 0.49809159

並通過解釋，CJ()創建在x的i一個data.table（在這種情況下， dat）加入。它是作爲向CJ()提供的矢量的叉積而形成的，這恰好就是你正在尋找的！

來源

2013-12-13 12:33:11

我同意'CJ'版本比我在下面提出的'expand.grid'更有意義。但是爲了一般性，我仍然認爲'dat [CJ（unique（var2），unique（var3）），mean（var1）]'比明確使用'letters [1：3]'和'1：3'更合適。。 – shadow

@shadow是的，你確定你完全正確，呼叫良好。 –

R：強制data.table計算所有交互

回答

相關問題