在R中使用data.table有条件地组合列

Question

我有一组植物的数据集。这些植物中有两种有多个株系。在分析数据时，我希望有一个列，其中有两个有多条线的工厂，但是所有其他的都是这样。这是我的可复制的数据集：

testset <- data.table(date=as.Date(c("2013-07-02","2013-08-03","2013-09-04","2013-10-05","2013-11-06")), yr = c(2013,2013,2013,2013,2013), mo = c(07,08,09,10,11), da = c(02,03,04,05,06), plant = LETTERS[1:5], PlantID = c(1,2,3,4,5,1,2,3,6,7), product = as.factor(letters[26:22]), rating = runif(25))

这是我要查找的附加列输出：

A1

B2

C3

D4

E5

A1

B2

C3

D6

E7

这是一个简单的例子，但我真正的数据集要大得多，所以我希望有一种优雅的data.table方法来生成它。

Answer 1

当您使用data.table时，您不需要这样做。相反，您应该设置一个key或使用一个临时by (如我在下面的示例中所显示的)，这是data.table操作的关键基础之一。

使用by的玩具示例

看下面的玩具例子。我们用id和grp变量对评分进行求和。因此，在存在重复项的情况下，它们会被求和，但是分组变量的唯一组合将由自己来处理(因此请注意最后一行的rating和sum_rating值，后者具有分组变量的唯一组合(其他行有两行，与您的示例中相似)：

# Make this data reproducible
set.seed(1)
dt <- data.table( id = c( rep( 1:2 , 2 ) , 1 ) , grp = c( rep( 1:2 , 2 ) , 3 ) , rating = sample( 5 , 5 , TRUE ) ) 
#   id grp rating
#1:  1   1      4
#2:  2   2      1
#3:  1   1      3
#4:  2   2      4
#5:  1   3      4

# Sum by 'id' and 'grp'...
dt[ , sum_rating := sum( rating ) , by = list( id , grp ) ]
dt
#   id grp rating sum_rating
#1:  1   1      4          7
#2:  2   2      1          5
#3:  1   1      3          7
#4:  2   2      4          5
#5:  1   3      4          4  <=====  rating and sum_rating are the same because this is a unique row

Answer 2

我不明白你想要的输出是什么，但希望这能帮助你在路上。下面是一个data.table解决方案，用于查找所有独特的植物线：

> testset[,unique(paste0(plant, PlantID))]
[1] "A1" "B2" "C3" "D4" "D6" "E5" "E7"