R data.tabela z dopasowanymi nazwami kolumn (dla każdej grupy)

Question

Mam datatable danych i datatable dopasowanych współczynników. Chcę obliczyć dopasowaną wartość dla każdego rzędu.

dt = data.table(a = rep(c("x","y"), each = 5), b = rnorm(10), c = rnorm(10), d = rnorm(10)) 
coefs = data.table(a = c("x","y"), b = c(0, 1), d = c(2,3)) 
dt 
# a   b   c   d 
# 1: x -0.25174915 -0.2130797 -0.67909764 
# 2: x -0.35569766 0.6014930 0.35201386 
# 3: x -0.31600957 0.4398968 -1.15475814 
# 4: x -0.54113762 -2.3497952 0.64503654 
# 5: x 0.11227873 0.0233775 -0.96891456 
# 6: y 1.24077566 -1.2843439 1.98883516 
# 7: y -0.23819626 0.9950835 -0.17279980 
# 8: y 1.49353589 0.3067897 -0.02592004 
# 9: y 0.01033722 -0.5967766 -0.28536224 
#10: y 0.69882444 0.8702424 1.24131062 

coefs # NB no "c" column 
# a b d 
#1: x 0 2 
#2: y 1 3 

Dla każdego a=="x" rzędu w dt, chcę 0*b+2*d; i dla każdego wiersza a=="y" w dt, chcę 1*b+3*d.

Czy istnieje DataTable sposób to zrobić bez hardcode nazwę kolumny? Z przyjemnością umieszczam nazwy kolumn w zmiennej cols = colnames(coefs)[-1].

Łączenie grup i rbind jest łatwe, więc jeśli zgrupowanie powoduje problemy, zignoruj ​​tę część.

Answer 1

Dołącz data.tables:

dt[coefs, res := b * i.b + d * i.d, on = "a"] 
# a   b   c   d  res 
#1: x 0.09901786 -0.362080111 -0.5108862 -1.0217723 
#2: x -0.16128422 0.169655945 0.3199648 0.6399295 
#3: x -0.79648896 -0.502279345 1.3828633 2.7657266 
#4: x -0.26121421 0.480548972 -1.1559392 -2.3118783 
#5: x 0.54085591 -0.601323442 1.3833795 2.7667590 
#6: y 0.83662761 0.607666970 0.6320762 2.7328562 
#7: y -1.92510391 -0.050515610 -0.3176544 -2.8780671 
#8: y 1.65639926 -0.167090105 0.6830158 3.7054466 
#9: y 1.48772354 -0.349713539 -1.2736467 -2.3332166 
#10: y 1.49065993 0.008198885 -0.1923361 0.9136516 

Zazwyczaj należy użyć produkt matrycowy tutaj, ale oznaczałoby to, że trzeba było zmusić odpowiedni podzbiór do matrycy. W ten sposób tworzona jest kopia, a ponieważ data.tables są używane głównie dla większych danych, chcesz uniknąć kopiowania.

Jeśli potrzebujesz dynamiczne nazwy kolumn, najprostsze rozwiązanie, które przychodzi do głowy jest rzeczywiście eval/parse konstrukt:

cols = colnames(coefs)[-1] 
expr <- parse(text = paste(paste(cols, paste0("i.", cols), sep = "*"), collapse = "+")) 
#expression(b*i.b+d*i.d) 

dt[coefs, res := eval(expr), on = "a"] 

Może ktoś może zaproponować lepsze rozwiązanie.

Tutaj jest rozwiązanie za pomocą mnożenia macierzy:

dt[, res := as.matrix(.SD) %*% unlist(coefs[a == .BY, .SD, .SDcols = cols]), 
    by = "a", .SDcols = cols] 

Oczywiście wykonuje kopie, które są potencjalnie mniej wydajne niż roztwór eval.

Answer 2

I okazało się, że data.table wszystkich kolumn liczbowych typu można zrobić operacji arytmetycznych (+, -, *, /), ale nie pasującej nazwy - wystarczy zamówić dopasowanie.

> coefs 
    a b d 
1: x 0 2 
2: y 1 3 
> coefs[, .(b,d)] * coefs[, .(b,d)] 
    b d 
1: 0 4 
2: 1 9 
> coefs[, .(b,d)] * coefs[, .(d,b)] 
    b d 
1: 0 0 
2: 3 3 

więc rozwiązanie opiera się na tego

> cols = colnames(coefs)[-1] 
> zz = rowSums(coefs[dt[,.(a)], .SD, on = 'a', .SDcols = cols] * dt[, .SD, .SDcols = cols]) 
> dt[, newcol := zz] 

Answer 3

inny alternatywny (ale wolniej) podejście:

dt$res <- unsplit(Map(function(x,y){x$b*y$b + x$d*y$d}, split(dt, dt$a=="x"), 
       split(coefs,coefs$a=="x")),dt$a=="x") 

    dt 
    a   b   c   d  res 
1: x 0.47859729 1.3479271 0.5691897 1.1383794 
2: x 0.28491505 -0.3291934 1.8621365 3.7242730 
3: x -1.43894695 1.5555413 0.3685772 0.7371544 
4: x 0.04360066 0.1358920 0.5240700 1.0481400 
5: x -1.39897890 -0.0175886 -0.6876451 -1.3752901 
6: y -0.60952146 1.2331907 -0.3582176 -1.6841742 
7: y 0.31777772 1.4090295 -0.4053615 -0.8983067 
8: y 0.42758431 -0.3746061 2.1208417 6.7901094 
9: y -0.60701063 -0.9232092 1.9386482 5.2089341 
10: y -1.52042316 -0.8871454 -0.9314232 -4.3146927 

ten sam kod, będzie działać w bazie R, jak również, jeśli dane zostały już data.frames.