h2o.ai摘要函数与group_by不兼容

Question

我试图(实质上)通过移动到R+h2o.ai来加速一些R代码。

我是按单因素变量分组的，但当我试图计算加窗的分位数、偏度或峰度时，会出现错误。

在h2o中是否有与拆分应用-组合方法不兼容的摘要函数列表？它是否只适用于sql-模拟函数，如求和、计数或stdev？

此代码失败：

for(i in col_idx_list){
  proc_cols_list <- names(df.hex)[i]

  group_cols_list <- c("group_variable_factor")

  h2o.quantile(x=df.hex[,proc_cols_list])

  temp <- h2o.group_by(data=df.hex,
                       by=group_cols_list,
                       mean(proc_cols_list),
                       var(proc_cols_list),
                       skewness(proc_cols_list),
                       gb.control=list(na.methods="ignore")  )

  if(i ==first_index){
    df_summs <- temp
  } else {
    df_summs <- h2o.cbind(df_summs , temp[,2:ncol(temp)])
  }
}

此代码运行良好：

for(i in col_idx_list){
  proc_cols_list <- names(df.hex)[i]

  group_cols_list <- c("group_variable_factor")

  h2o.quantile(x=df.hex[,proc_cols_list])

  temp <- h2o.group_by(data=df.hex,
                       by=group_cols_list,
                       mean(proc_cols_list),
                       var(proc_cols_list),
                       gb.control=list(na.methods="ignore")  )

  if(i ==first_index){
    df_summs <- temp
  } else {
    df_summs <- h2o.cbind(df_summs , temp[,2:ncol(temp)])
  }
}

错误文本(为简洁起见截断)：

ERROR: Unexpected HTTP Status code: 400 Bad Request (url = http://localhost:54321/99/Rapids)
Error in .h2o.doSafeREST(h2oRestApiVersion = h2oRestApiVersion, urlSuffix = page,  : 
ERROR MESSAGE:
No enum constant water.rapids.ast.prims.mungers.AstGroup.FCN.skewness
ERROR: Unexpected HTTP Status code: 404 Not Found (url = http://localhost:54321/3/Frames/RTMP_sid_8712_17?row_count=10)

ERROR MESSAGE:

Object 'RTMP_sid_8712_17' not found for argument: key

Answer 1

错误似乎表明skewness是一个问题。有关h2o.group_by()中允许的聚合方法的完整列表，请参见文档的详细信息部分(页面底部)。

为了您的方便，我在这里添加了详细信息部分--您可以看到，当前不包括偏度(如果您有兴趣创建一个JIRA机票)：

Details在na.methods中gb.control中有三种可能的设置。“所有”将包括在函数计算中的NAs。"rm“将完全删除所有NA字段。“忽略”将从分子中删除NAs，但为计算目的保留行。如果提供的列表小于列组的数量，则该列表将由“忽略”填充。注意，要在gb.control列表中指定列名列表，必须添加col.names参数。与na.methods类似，如果列表长度小于所提供的列组数，col.names将使用默认列名填充列表。支持的函数包括nrow。此函数是必需的，并接受一个字符串作为生成的列的名称。其他受支持的聚合函数接受用于指定列和处理NAs ("all“、”忽略“和GroupBy对象)的col和na参数；max计算GroupBy对象的每个组在col中指定的每一列的最大值；平均计算GroupBy对象的每组在col中指定的每一列的平均值；min计算GroupBy对象的每一组在col中指定的每一列的最小值；模式计算为GroupBy对象的每一组在col中指定的每一列的模式；sd计算为GroupBy对象的每一组指定的每一列的标准偏差；ss为GroupBy对象的每一组计算在col中指定的每一列的平方和；和为GroupBy对象的每一组计算在col中指定的每一列的和；并且var计算GroupBy对象的每一组在col中指定的每一列的方差。如果提供聚合时没有值(例如，最大值(col=“X1”，na=" all ").mean(col="X5"，na=“all”).max()，则假定聚合应该应用于除GroupBy列之外的所有列。但是，不会对字符串列执行操作。他们会被跳过的。再次注意，nrow是必需的，不能为空。