Utilizzare "by-argument" in "outer" data.table per filtrare "inner" data.table

Question

Ho ancora qualche problema a comprendere la notazione data.table. Qualcuno potrebbe spiegare perché il seguente non funziona?

Sto cercando di classificare le date in gruppi utilizzando cut. Le interruzioni utilizzati possono essere trovati in un altro data.table e dipendono dal by tesi dei "dati" esterni data.table

data <- data.table(A = c(1, 1, 1, 2, 2, 2), 
        DATE = as.POSIXct(c("01-01-2012", "30-05-2015", "01-01-2020", "30-06-2012", "30-06-2013", "01-01-1999"), format = "%d-%m-%Y")) 

breaks <- data.table(B = c(1, 1, 2, 2), 
        BREAKPOINT = as.POSIXct(c("01-01-2015", "01-01-2016", "30-06-2012", "30-06-2013"), format = "%d-%m-%Y")) 

data[, bucket := cut(DATE, breaks[B == A, BREAKPOINT], ordered_result = T), by = A] 

posso ottenere il risultato desiderato fare

# expected 
data[A == 1, bucket := cut(DATE, breaks[B == 1, BREAKPOINT], ordered_result = T)] 
data[A == 2, bucket := cut(DATE, breaks[B == 2, BREAKPOINT], ordered_result = T)] 
data 
# A  DATE  bucket 
# 1: 1 2012-01-01   NA 
# 2: 1 2015-05-30 2015-01-01 
# 3: 1 2020-01-01   NA 
# 4: 2 2012-06-30 2012-06-30 
# 5: 2 2013-06-30   NA 
# 6: 2 1999-01-01   NA 

Grazie, Michael

Answer 1

Il problema è che cut produce fattori e quelli non vengono gestiti correttamente nell'operazione data.tableby (questo è un bug e deve essere segnalato - il fattore i livelli devono essere gestiti nello stesso modo in cui vengono gestiti in o rbindlist). Una soluzione semplice per la tua espressione originale è quello di convertire a carattere:

data[, bucket := as.character(cut(DATE, breaks[B == A, BREAKPOINT], ordered_result = T)) 
    , by = A] 
# A  DATE  bucket 
#1: 1 2012-01-01   NA 
#2: 1 2015-05-30 2015-01-01 
#3: 1 2020-01-01   NA 
#4: 2 2012-06-30 2012-06-30 
#5: 2 2013-06-30   NA 
#6: 2 1999-01-01   NA