Cách áp dụng cùng một hàm cho mọi cột được chỉ định trong data.table

Tôi có một data.table mà tôi muốn thực hiện thao tác tương tự trên các cột nhất định. Tên của các cột này được đặt trong một vector ký tự. Trong ví dụ cụ thể này, tôi muốn nhân tất cả các cột này với -1.

Một số dữ liệu đồ chơi và một vectơ chỉ định các cột có liên quan:

library(data.table)
dt <- data.table(a = 1:3, b = 1:3, d = 1:3)
cols <- c("a", "b")

Ngay bây giờ tôi đang làm theo cách này, lặp qua vector ký tự:

for (col in 1:length(cols)) {
   dt[ , eval(parse(text = paste0(cols[col], ":=-1*", cols[col])))]
}

Có cách nào để làm điều này trực tiếp mà không cần vòng lặp for không?

Điều này dường như hoạt động:

dt[ , (cols) := lapply(.SD, "*", -1), .SDcols = cols]

Kết quả là

    a  b d
1: -1 -1 1
2: -2 -2 2
3: -3 -3 3

Có một số thủ thuật ở đây:

• Bởi vì có dấu ngoặc đơn (cols) :=, kết quả được gán cho các cột được chỉ định trong cols, thay vì cho một số biến mới có tên "cols".
• .SDcolsnói với cuộc gọi rằng chúng tôi chỉ xem xét các cột đó và cho phép chúng tôi sử dụng .SD, tập Shợp các Data được liên kết với các cột đó.
• lapply(.SD, ...)hoạt động trên .SD, là danh sách các cột (như tất cả data.frame và data.tables). lapplytrả về một danh sách, vì vậy cuối cùng jtrông như thế nào cols := list(...).

CHỈNH SỬA : Đây là một cách khác có thể nhanh hơn, như @Arun đã đề cập:

for (j in cols) set(dt, j = j, value = -dt[[j]])

Tôi muốn thêm một câu trả lời, khi bạn cũng muốn thay đổi tên của các cột. Điều này khá hữu ích nếu bạn muốn tính toán logarit của nhiều cột, điều này thường xảy ra trong công việc thực nghiệm.

cols <- c("a", "b")
out_cols = paste("log", cols, sep = ".")
dt[, c(out_cols) := lapply(.SD, function(x){log(x = x, base = exp(1))}), .SDcols = cols]

CẬP NHẬT: Sau đây là một cách đơn giản để làm điều đó mà không cần vòng lặp for

dt[,(cols):= - dt[,..cols]]

Đó là một cách gọn gàng để dễ đọc mã. Nhưng đối với hiệu suất, nó vẫn đứng sau giải pháp của Frank theo kết quả microbenchmark dưới đây

mbm = microbenchmark(
  base = for (col in 1:length(cols)) {
    dt[ , eval(parse(text = paste0(cols[col], ":=-1*", cols[col])))]
  },
  franks_solution1 = dt[ , (cols) := lapply(.SD, "*", -1), .SDcols = cols],
  franks_solution2 =  for (j in cols) set(dt, j = j, value = -dt[[j]]),
  hannes_solution = dt[, c(out_cols) := lapply(.SD, function(x){log(x = x, base = exp(1))}), .SDcols = cols],
  orhans_solution = for (j in cols) dt[,(j):= -1 * dt[,  ..j]],
  orhans_solution2 = dt[,(cols):= - dt[,..cols]],
  times=1000
)
mbm

Unit: microseconds
expr                  min        lq      mean    median       uq       max neval
base_solution    3874.048 4184.4070 5205.8782 4452.5090 5127.586 69641.789  1000  
franks_solution1  313.846  349.1285  448.4770  379.8970  447.384  5654.149  1000    
franks_solution2 1500.306 1667.6910 2041.6134 1774.3580 1961.229  9723.070  1000    
hannes_solution   326.154  405.5385  561.8263  495.1795  576.000 12432.400  1000
orhans_solution  3747.690 4008.8175 5029.8333 4299.4840 4933.739 35025.202  1000  
orhans_solution2  752.000  831.5900 1061.6974  897.6405 1026.872  9913.018  1000

như thể hiện trong biểu đồ dưới đây

Câu trả lời trước của tôi: Câu trả lời sau cũng hoạt động

for (j in cols)
  dt[,(j):= -1 * dt[,  ..j]]

Không có giải pháp nào ở trên dường như hoạt động với tính toán theo nhóm. Sau đây là điều tốt nhất tôi có:

for(col in cols)
{
    DT[, (col) := scale(.SD[[col]], center = TRUE, scale = TRUE), g]
}

Để thêm ví dụ để tạo cột mới dựa trên vectơ chuỗi các cột. Dựa trên câu trả lời của Jfly:

dt <- data.table(a = rnorm(1:100), b = rnorm(1:100), c = rnorm(1:100), g = c(rep(1:10, 10)))

col0 <- c("a", "b", "c")
col1 <- paste0("max.", col0)  

for(i in seq_along(col0)) {
  dt[, (col1[i]) := max(get(col0[i])), g]
}

dt[,.N, c("g", col1)]

library(data.table)
(dt <- data.table(a = 1:3, b = 1:3, d = 1:3))

Hence:

   a b d
1: 1 1 1
2: 2 2 2
3: 3 3 3

Whereas (dt*(-1)) yields:

    a  b  d
1: -1 -1 -1
2: -2 -2 -2
3: -3 -3 -3

dplyrcác hàm hoạt động trên data.tables, vì vậy đây là một dplyrgiải pháp cũng "tránh vòng lặp for" :)

dt %>% mutate(across(all_of(cols), ~ -1 * .))

Tôi benchmarked nó sử dụng mã Orhan của (thêm hàng và cột) và bạn sẽ thấy dplyr::mutatevới acrosschủ yếu là thực hiện nhanh hơn so với hầu hết các giải pháp khác và chậm hơn so với các giải pháp sử dụng data.table lapply.

library(data.table); library(dplyr)
dt <- data.table(a = 1:100000, b = 1:100000, d = 1:100000) %>% 
  mutate(a2 = a, a3 = a, a4 = a, a5 = a, a6 = a)
cols <- c("a", "b", "a2", "a3", "a4", "a5", "a6")

dt %>% mutate(across(all_of(cols), ~ -1 * .))
#>               a       b      d      a2      a3      a4      a5      a6
#>      1:      -1      -1      1      -1      -1      -1      -1      -1
#>      2:      -2      -2      2      -2      -2      -2      -2      -2
#>      3:      -3      -3      3      -3      -3      -3      -3      -3
#>      4:      -4      -4      4      -4      -4      -4      -4      -4
#>      5:      -5      -5      5      -5      -5      -5      -5      -5
#>     ---                                                               
#>  99996:  -99996  -99996  99996  -99996  -99996  -99996  -99996  -99996
#>  99997:  -99997  -99997  99997  -99997  -99997  -99997  -99997  -99997
#>  99998:  -99998  -99998  99998  -99998  -99998  -99998  -99998  -99998
#>  99999:  -99999  -99999  99999  -99999  -99999  -99999  -99999  -99999
#> 100000: -100000 -100000 100000 -100000 -100000 -100000 -100000 -100000

library(microbenchmark)
mbm = microbenchmark(
  base_with_forloop = for (col in 1:length(cols)) {
    dt[ , eval(parse(text = paste0(cols[col], ":=-1*", cols[col])))]
  },
  franks_soln1_w_lapply = dt[ , (cols) := lapply(.SD, "*", -1), .SDcols = cols],
  franks_soln2_w_forloop =  for (j in cols) set(dt, j = j, value = -dt[[j]]),
  orhans_soln_w_forloop = for (j in cols) dt[,(j):= -1 * dt[,  ..j]],
  orhans_soln2 = dt[,(cols):= - dt[,..cols]],
  dplyr_soln = (dt %>% mutate(across(all_of(cols), ~ -1 * .))),
  times=1000
)

library(ggplot2)
ggplot(mbm) +
  geom_violin(aes(x = expr, y = time)) +
  coord_flip()

^{Được tạo vào 2020-10-16 bởi gói reprex (v0.3.0)}