使用R datable的.SDcols风格使用可积数据更新或添加多个列

Question

考虑到虹膜数据，我想添加与找到的所有数值列相对应的新列。我可以显式列出每个数字列：

from datatable import fread, f, mean, update
iris_dt = fread("https://h2o-public-test-data.s3.amazonaws.com/smalldata/iris/iris.csv")
iris_dt[:, update(C0_dist_from_mean = dt.abs(f.C0 - mean(f.C0)),
                  C1_dist_from_mean = dt.abs(f.C1 - mean(f.C1)),
                  C2_dist_from_mean = dt.abs(f.C2 - mean(f.C2)),
                  C3_dist_from_mean = dt.abs(f.C3 - mean(f.C1)))]

但那样的话我会用硬编码的列名。使用.SDcols的R数据表提供了更健壮的方法

library(data.table)
iris = fread("https://h2o-public-test-data.s3.amazonaws.com/smalldata/iris/iris.csv")
cols = names(sapply(iris, class)[sapply(iris, class)=='numeric'])
iris[, paste0(cols,"_dist_from_mean") := lapply(.SD, function(x) {abs(x-mean(x))}),
     .SDcols=cols]

今天是否有类似的方法来处理可化热的问题？

我确实知道如何获取py-datatable中的所有数字列，例如：

iris_dt[:, f[float]]

但在R中使用.SDcols的最后一部分回避了我。

Answer 1

创建对新列名和f表达式的dict理解，然后将其解压缩到update方法中：

from datatable import f, update, abs, mean

aggs = {f"{col}_dist_from_mean" : abs(f[col] - mean(f[col])) 
        for col in iris_dt[:, f[float]].names}

iris_dt[:, update(**aggs)]

更新

使用v1.1中的Type属性，这是另一种方法：

aggs = {f"{col}_dist_from_mean" : dt.math.abs(f[col] - f[col].mean()) 
        for col, col_type 
        in zip(iris_dt.names, iris_dt.types) 
        if col_type.is_float}

您还可以分块步骤：

创建一个具有计算值的框架：

expression = f[float]-f[float].mean()
expression = dt.math.abs(expression)

compute = iris_dt[:, expression]

为compute重命名列标签

compute.names = [f"{name}_dist_from_mean" for name in compute.names]

用iris_dt更新compute (请注意，您也可以使用cbind)：

iris_dt[:, update(**compute)]