Applicazione di una funzione a ciascuna riga di un data.table

Question

Sto cercando un modo per applicare in modo efficiente una funzione a ciascuna riga di data.table. Consideriamo la seguente tabella di dati:

library(data.table) 
library(stringr) 

x <- data.table(a = c(1:3, 1), b = c('12 13', '14 15', '16 17', '18 19')) 
> x 
    a  b 
1: 1 12 13 
2: 2 14 15 
3: 3 16 17 
4: 1 18 19 

Diciamo voglio dividere ogni elemento della colonna b dallo spazio (ottenendo così due righe per ogni riga dei dati originali) e unire le tabelle dati risultanti. Per l'esempio di cui sopra, ho bisogno il seguente risultato:

a V1 
1: 1 12 
2: 1 13 
3: 2 14 
4: 2 15 
5: 3 16 
6: 3 17 
7: 1 18 
8: 1 19 

Il seguente funzionerebbe se colonna a ha solo valori unici:

x[, list(str_split(b, ' ')[[1]]), by = a] 

Il seguenti quasi lavori (a meno che non ci sono alcuni righe identiche nella tabella dati originale), ma è brutto quando x ha molte colonne e copia la colonna b nel risultato, che vorrei evitare.

>  x[, list(str_split(b, ' ')[[1]]), by = list(a,b)] 
    a  b V1 
1: 1 12 13 12 
2: 1 12 13 13 
3: 2 14 15 14 
4: 2 14 15 15 
5: 3 16 17 16 
6: 3 16 17 17 
7: 1 18 19 18 
8: 1 18 19 19 

Quale sarebbe il modo più efficiente e idiomatico per risolvere questo problema?

Answer 1

ne dite:

x 
    a  b 
1: 1 12 13 
2: 2 14 15 
3: 3 16 17 
4: 1 18 19 

x[,list(a=rep(a,each=2), V1=unlist(strsplit(b," ")))] 
    a V1 
1: 1 12 
2: 1 13 
3: 2 14 
4: 2 15 
5: 3 16 
6: 3 17 
7: 1 18 
8: 1 19 

soluzione generalizzata dato commento:

x[,{s=strsplit(b," ");list(a=rep(a,sapply(s,length)), V1=unlist(s))}] 

Answer 2

Una possibilità potrebbe essere quella di aggiungere un numero di riga

x[, r := 1:nrow(x)] 

e poi di gruppo da r:

x[, list(a, str_split(b, ' ')[[1]]), by = r] 

mi chiedo se ci sono soluzioni migliori?

Answer 3

L'approccio più efficace e idiomatico è avere una funzione vettoriale.

In questo caso, una sorta di regex farà quello che vuoi

x[, V1 := gsub(" [[:alnum:]]*", "", b)] 

    a  b V1 
1: 1 12 13 12 
2: 2 14 15 14 
3: 3 16 17 16 
4: 1 18 19 18 

Se si desidera restituire la componente di ogni divisione, e sai che ci sono due in ciascuno di essi, è possibile utilizzare Map per costringere il risultato strsplit nella forma corretta

x[, c('b1','b2') := do.call(Map, c(f = c, strsplit(b, ' ')))] 



x 
    a  b b1 b2 
1: 1 12 13 12 13 
2: 2 14 15 14 15 
3: 3 16 17 16 17 
4: 1 18 19 18 19 

Answer 4

Guardando ingresso e uscita desiderata, questo dovrebbe funzionare -

x <- data.frame(a=c(1,2,3,1),b=c("12 13","14 15","16 17","18 19")) 
data.frame(a=rep(x$a,each=2), new_b=unlist(strsplit(as.character(x$b)," "))) 

Answer 5

L'approccio dplyr/tidyr funziona anche con le tabelle di dati.

library(dplyr) 
library(tidyr) 
x %>% 
    separate(b, into = c("b1", "b2")) %>% 
    gather(b, "V1", b1:b2) %>% 
    arrange(V1) %>% 
    select(a, V1) 

Oppure, con i moduli standard di valutazione:

x %>% 
    separate_("b", into = c("b1", "b2")) %>% 
    gather_("b", "V1", c("b1", "b2")) %>% 
    arrange_(~ V1) %>% 
    select_(~ a, ~ V1) 

Il caso di un diverso numero di valori nella colonna b è solo leggermente più complicato.

library(stringr) 

x2 <- data.table(
    a = c(1:3, 1), 
    b = c('12 13', '14', '15 16 17', '18 19') 
) 

n <- max(str_count(x2$b, " ")) + 1 
b_cols <- paste0("b", seq_len(n)) 
x2 %>% 
    separate_("b", into = b_cols, extra = "drop") %>% 
    gather_("b", "V1", b_cols) %>% 
    arrange_(~ V1) %>% 
    select_(~ a, ~ V1) 

Answer 6

x[, .(a,strsplit(b,' ')), by=1:nrow(x)] 

by=nrow(x) è un modo semplice per imporre 1 riga per by-gruppo

Answer 7

x[, .(a,strsplit(b,' ')), by = .I] 

sembra più estetico