Perguntas com a marcação «data.table»

Visão geral Estou relativamente familiarizado data.table, não muito dplyr. Eu li algumas dplyrvinhetas e exemplos que apareceram no SO, e até agora minhas conclusões são as seguintes: data.tablee dplyrsão comparáveis ​​em velocidade, exceto quando existem muitos grupos (ou seja,> 10-100K) e...

Para se livrar de uma coluna chamada "foo" em a data.frame, eu posso fazer: df <- df[-grep('foo', colnames(df))] No entanto, uma vez dfconvertido em um data.tableobjeto, não há como remover apenas uma coluna. Exemplo: df <- data.frame(id = 1:100, foo = rnorm(100)) df2 <-...

Estou com problemas para entender as propriedades de passagem por referência de data.table. Algumas operações parecem 'quebrar' a referência e eu gostaria de entender exatamente o que está acontecendo. Ao criar um a data.tablepartir de outro data.table(via <-, e atualizando a nova tabela por...

.SDparece útil, mas eu realmente não sei o que estou fazendo com isso. O que significa? Por que existe um período anterior (ponto final). O que está acontecendo quando eu o uso? Eu li: .SDé um data.tablecontendo o subconjunto de xdados de cada grupo, excluindo as colunas do grupo. Pode ser usado...

Recentemente, deparei com a biblioteca de pandas para python, que de acordo com esse benchmark realiza fusões na memória muito rápidas. É ainda mais rápido que o pacote data.table no R (minha língua preferida para análise). Por que é pandasmuito mais rápido que data.table? É por causa de uma...

A partir de uma trama de dados, existe uma maneira fácil para agregar ( sum, mean, maxet c) múltiplas variáveis simultaneamente? Abaixo estão alguns dados de exemplo: library(lubridate) days = 365*2 date = seq(as.Date("2000-01-01"), length = days, by = "day") year = year(date) month =...

Eu tenho um grande data.table , com muitos valores ausentes espalhados por suas ~ 200k linhas e 200 colunas. Gostaria de codificar novamente esses valores de NA para zeros da maneira mais eficiente possível. Eu vejo duas opções: 1: Converter em um data.frame e usar algo como este 2: Algum tipo...

Minha pergunta está relacionada à atribuição por referência versus cópia data.table. Quero saber se é possível excluir linhas por referência, semelhante a DT[ , someCol := NULL] Eu quero saber sobre DT[someRow := NULL, ] Eu acho que há uma boa razão para que essa função não exista, então talvez...

Como podemos selecionar várias colunas usando um vetor de seus índices numéricos (posição) em data.table? É assim que faríamos com um data.frame: df <- data.frame(a = 1, b = 2, c = 3) df[ , 2:3] # b c # 1 2

Em um data.frame (ou data.table), eu gostaria de "preencher" NAs com o valor anterior não NA mais próximo. Um exemplo simples, usando vetores (em vez de a data.frame) é o seguinte: > y <- c(NA, 2, 2, NA, NA, 3, NA, 4, NA, NA) Eu gostaria de uma função fill.NAs()que me permita construir...

Estou examinando a documentação data.tablee também notei em algumas das conversas aqui no SO que rbindlistdeveriam ser melhores do que rbind. Gostaria de saber por que é rbindlistmelhor do que rbinde em quais cenários rbindlistrealmente supera rbind? Existe alguma vantagem em termos de utilização...

Qual é a melhor maneira de atribuir a várias colunas usando data.table? Por exemplo: f <- function(x) {c("hi", "hello")} x <- data.table(id = 1:10) Gostaria de fazer algo assim (é claro que esta sintaxe está incorreta): x[ , (col1, col2) := f(), by = "id"] E para estender isso, eu posso...

Digamos que eu tenho o seguinte data.tableem R: library(data.table) DT = data.table(x=rep(c("b","a","c"),each=3), y=c(1,3,6), v=1:9) Quero ordená-lo por duas colunas (digamos colunas xe v). Eu usei isso: DT[order(x,v)] # sorts first by x then by v (both in ascending order) Mas agora, quero...

Essa é uma pergunta filosófica sobre a sintaxe de junção data.table. Estou encontrando mais e mais usos para data.tables, mas ainda estou aprendendo ... O formato de junção X[Y]para data.tables é muito conciso, prático e eficiente, mas, tanto quanto posso dizer, ele suporta apenas junções internas...

Tenho um problema ao usar data.table: Como converter classes de colunas? Aqui está um exemplo simples: Com data.frame não tenho problemas para convertê-lo, com data.table, só não sei como: df <- data.frame(ID=c(rep("A", 5), rep("B",5)), Quarter=c(1:5, 1:5), value=rnorm(10)) #One way:...

Gostaria de reordenar as colunas no meu data.table x, dado um vetor de caracteres de nomes de coluna neworder: library(data.table) x <- data.table(a = 1:3, b = 3:1, c = runif(3)) neworder <- c("c", "b", "a") Obviamente, eu poderia fazer: x[ , neworder, with = FALSE] # or x[ , ..neworder] #...

Estou usando data.table e há muitas funções que exigem que eu defina uma chave (por exemplo X[Y]). Como tal, desejo entender o que uma chave faz para definir as chaves corretamente em minhas tabelas de dados. Uma fonte que li foi ?setkey. setkey()classifica um data.tablee o marca como...

Em R, tenho uma operação que cria alguns Infvalores quando transformo um dataframe. Eu gostaria de transformar esses Infvalores em NAvalores. O código que tenho é lento para grandes dados. Existe uma maneira mais rápida de fazer isso? Digamos que eu tenha o seguinte dataframe: dat <-...

Por exemplo (não tenho certeza se é o exemplo mais representativo): N <- 1e6 d1 <- data.frame(x=sample(N,N), y1=rnorm(N)) d2 <- data.frame(x=sample(N,N), y2=rnorm(N)) Isso é o que eu tenho até agora: d <- merge(d1,d2) # 7.6 sec library(plyr) d <- join(d1,d2) # 2.9...

Como você se refere a variáveis ​​em a data.tablese os nomes das variáveis ​​são armazenados em um vetor de caracteres? Por exemplo, isso funciona para data.frame: df <- data.frame(col1 = 1:3) colname <- "col1" df[colname] <- 4:6 df # col1 # 1 4 # 2 5 # 3 6 Como posso realizar esta...