data.table_编程技术问答社区_程序员问答知识库

以下是关于 data.table 的编程技术问答

目标我想计算文档中" love"一词的次数，但前提是它不在一个单词之前，例如'而不是'，例如"我喜欢电影"将算作一种外观，而"我不喜欢电影"不算是外观. 问题如何使用TM软件包进行操作? R代码下面是一些我想修改以进行上述的自身包含的代码. require(tm) # text vector my.docs

0 2023-12-03 编程技术问答社区 r nlp weka data.table tm

在R中用data.table进行Vlookup

首先，让我们从DataTable 1(DF1)开始: date id sales cost city name 1: 06/19/2016 1 149 101 MTL Bank1 2: 06/20/2016 1 150 102 MTL Bank1 3: 06/21/2016 1 151 104 MTL Bank1 4: 06/22/2016 1 152 107 MTL Bank1 5: 06/23/2016 1 155 99 MTL Bank1 6: 06/19/2016 2 84 55 NY Bank2 7: 06/20/2016 2 83 55 NY Bank2 8: 06/21/2016 2 80 56 NY Bank2 9: 06/22/2016 2 81 57 NY Bank2 10: 06/23/2016 2

2 2023-11-25 编程技术问答社区 r data.table lookup vlookup

依次更新data.table中的行

我有一个很大的数据集，我想使用data.table在R中执行以下计算: library(data.table) # This is a test dataset tempData

0 2023-11-17 编程技术问答社区 r data.table vectorization sequential

更有效的方法来计算每个案件创建时间的未结案件

我正在尝试找到一种更有效的方法来计算每种情况创建时间时打开的案例数量的数量.在其创建日期/时间戳和审查日期/时间戳记之间，案例是"打开的".您可以复制下面的代码以查看一个简单的功能示例: # Create a bunch of date/time stamps for our example two_thousand

2 2023-11-17 编程技术问答社区 r performance data.table dplyr vectorization

如何在data.table中写出累积计算结果

顺序的累积计算我需要进行一个时间序列计算，其中每行计算的值取决于上一行中计算的结果.我希望利用data.table的便利性.实际问题是一个水文模型 - 累积水平计算，在每个时间步骤增加降雨，并减去径流和蒸发随当前水量的函数.数据集包括不同的盆地和方案(组).在这里，我将使用该问题的简单说明. 一个简化的计算示例如下，对于每个时间步(行)i: v[i]

2 2023-11-17 编程技术问答社区 r data.table time-series vectorization difference-equations

在大型数据集中，在每个案件提交时计算未结案件的高效方法

在大型数据集(〜1m案例)中，每种情况都具有"创建"和"审查" dateTime.我想计算在创建每个情况时开放的其他案例的数量.案例在其"创建"和"审查" dataTimes之间打开. 几种解决方案在小型数据集( 20分钟，使用6 * 4GHz内核和64GB RAM.即使有多核库，我也可以将时间减少8或10.不足以处理〜1m的情况. 我正在寻找一种更有效的方法来进行此计算.在下面，我提供了一个功能，该功能使您可以轻松地创建大量的"创建"和"审查" dateTime对以及到目前为止使用dplyr和data.table库的两个解决方案.为了简单起见，将这些时间报告给用户.您可以简单地更改顶部的" case_count"变量以重新执行并再次查看时间，并轻松比较您可能需要建议的其他解决方案的时机. 我将使用其他解决方案更新原始帖子，以适当地信誉其作者.在此先感谢您的帮助！ # Load libraries used in this example library(dply

0 2023-11-17 编程技术问答社区 r performance data.table dplyr vectorization

R-快速双样本t检验

我想使用单独的分组在R中进行两个样本T测试. T.test必须"公正"，这意味着对于外部组中的所有交易(下面的第2组)，必须为每个内部组(下面的第1组)进行t检验，例如:"内部组A" VS."内部组不是"".下面显示的for循环代码可能比口头说明更清晰... 我当前的代码在下面.有人知道这样做的速度/更好的方法吗?开放使用任何软件包，但当前使用data.table. 对于上下文，我有约100万行的交易数据.第1组表示一个人(如果有多个行，它们具有多个交易)，并且包含〜30k唯一值.第2组表示邮政编码，并包含〜500个唯一值谢谢！ library(data.table) # fake data grp1

0 2023-11-17 编程技术问答社区 r statistics data.table vectorization t-test

在运行长度上的累积和。这个循环可以被矢量化吗？

我有一个数据框架，我可以在其中计算特定列的运行长度编码.列的值dir为-1、0或1. dir.rle

0 2023-11-17 编程技术问答社区 r vectorization plyr data.table

当试图在data.table中存储长度为1的列表时出现错误

试图将向量存储在数据中时. 请在下面找到问题的简化版本 library(data.table) 工作正常 dt

0 2023-11-17 编程技术问答社区 r list vector data.table coercion

在data.table中按组创建新列

我没有数据经验. 使用data.frame我经常使用以下命令来检查唯一值的观察数: df$Obs=with(df, ave(v1, ID-Date, FUN=function(x) length(unique(x)))) 使用数据时是否有任何相应的方法? 解决方案是的，有.令人高兴的是，您询问了data.table的最新功能之一，添加了v1.8.2: :=现在由组实施(FR#1491)，并将其子分配给新列通过参考，现在自动添加列(用NA初始化子分配没有触摸)(FR#1997). :=可以组合所有 i的类型，So := by group 包括i以及by的分组. 由于:=按参考是由参考来的 (直接或间接)cbind s分组结果为DT的方法，因为根本没有(大)DT的副本.这是一个简短自然的语法可以与其他查询更复杂. DT[,newcol:=sum(colB),by=colA] 在您的示例中，iiuc，应该是: DT[, Obs:=.N, b

4 2023-11-17 编程技术问答社区 r vector data.table

高效的R代码用于寻找与向量中唯一值相关的索引

假设我有向量vec

2 2023-11-17 编程技术问答社区 r list vector unique data.table

按位置从data.table中提取一个列作为向量

如何从数据中提取列.以下是我尝试过的一些代码片段: DT

2 2023-11-17 编程技术问答社区 r vector indexing data.table

使用dplyr进行总结并保持相同的变量名

我发现数据和dplyr试图做同样的事情时会产生不同的结果.我想使用dplyr语法，但要以data.table的方式计算它.用例是我想在表中添加小计.为此，我需要对每个变量进行一些汇总，但然后保留相同的变量名称(在转换版本中).数据.表使我可以对变量进行一些聚合并保留相同的名称.然后使用相同的变量进行另一个聚合.它将继续使用未转换版本.但是，dplyr将使用转换版本. 在总结文档中，它说: # Note that with data frames, newly created summaries immediately # overwrite existing variables mtcars %>% group_by(cyl) %>% summarise(disp = mean(disp), sd = sd(disp)) 这基本上是我遇到的问题，但是我想知道是否有一个很好的解决方法.我发现的一件事就是将变换变量命名为其他内容，然后在最后重命名，但这对我来说并不好.

2 2023-11-13 编程技术问答社区 r variables dplyr data.table summarize

通过列名的字符向量对data.table进行排序

我想通过保存列的名称的变量订购data.table: 我已经尝试了 + eval , get and c` c'的每种组合而没有成功: 我有colVar = "someColumnName" 我想将其应用于:DT[order(colVar)] 解决方案您可以使用双括号进行数据表: library(data.table) dtbl = 1.9.4)setorder也能够以减少顺序排序. 请注意setkey与setkeyv和setorder vs. setorderv之间的差异. v指出您可以通过引用的变

2 2023-11-13 编程技术问答社区 r sorting variables data.table

在data.table中使用:=分配多列，按组分配

使用data.table分配给多列的最佳方法是什么?例如: f

0 2023-11-13 编程技术问答社区 r dataframe data.table variable-assignment colon-equals

在R中强制将字符向量编码从 "未知 "改为 "UTF-8"

我有一个问题的问题. 我从UTF-8中编码了我读取的表的文本文件(我也尝试了UTF-8 without BOM.). 我想从此文本文件中读取表，将其转换为data.table，设置key并使用二进制搜索.当我尝试这样做时，以下出现: 警告消息: 在[.data.table中在联接列中检测到已知的编码(Latin1或UTF-8).数据.表比较当前的字节，因此不支持混合编码很好；即，同时使用latin1和utf-8，或者如果任何未知的编码是非aScii，其中一些是已知的，并且其他人没有.但是，如果仅使用Latin1或UTF-8，则所有未知的编码是ASCII，那么结果应该可以.在未来如果一切正常，我们将检查您，并避免此警告.这棘手的部分是这样做，而不会影响仅ASCII的性能案例. 和二进制搜索不起作用. 我意识到我的data.table - key列都由:"未知"和" UTF-8"编码类型: > table(Encoding(poli.dt$wor

0 2023-11-11 编程技术问答社区 r utf-8 character-encoding data.table

具体的是用R删除所有重复的内容

例如，我有两个列: Var1 Var2 1 12 1 65 2 68 2 98 3 49 3 24 4 8 5 67 6 12 ，我只需要显示对列列的唯一值: Var1 Var2 4 8 5 67 6 12 我可以这样做: mydata=mydata[!unique(mydata$Var1),] 但是，当我使用相同的公式为我的大数据集使用约100万个观察结果时，什么也不会发生 - 样本量仍然相同.你能解释一下我的原因吗? 谢谢！解决方案 with data.table(似乎用它标记了)我会做 indx

6 2023-11-06 编程技术问答社区 r duplicates unique data.table

数据表DT[i, j, by]不能使用i中的标准选择组，试图根据组内唯一值的数量进行过滤。

我不确定我的数据发生了什么，也许我缺少一些简单的东西. 我的数据集具有分配给每个ID的群集(点).我想过滤出只有一个群集分配给它们的那些ID，例如. BS:100021 has only 1 cluster point assigned to it而BS:100135 has 6 cluster point assigned to it在以下示例中: set.seed(1) xx 1,.SD,dSc] 我仍然得到

12 2023-11-06 编程技术问答社区 r select filter data.table unique

Unique不再使用键作为默认值了

我主要在Mac中使用rstudio.最近，我必须开始使用Windows.但是，我发现unique()在数据中没有提供唯一的行.基于密钥表.这是一个示例: a=c(2,3,3,3,3,5,6,7) b=c("a","a","f","g","a","d","t","l") e=data.table(a,b) setkey(e, a) key(e) # this works fine unique(e) unique()仅删除整个行的副本(第5行).完全相同的代码在我的Mac上运行正常. 解决方案这是因为您在两个上都有不同的数据.在Mac上，您有一个如?unique中所述(在data.table v1.9.8+中): 默认情况下使用了所有列.最近改变了数据的一致性.帧方法.版本含义，从现在开始，即使您已经有了键，也需要明确指定by变量，否则它将仅使用所有列. 在您的特定示例中，这起作用 unique(e, by = "a") # a b

4 2023-11-06 编程技术问答社区 r data.table unique

在R中按不同的列值求和

我在r中有一个非常大的数据框，想对其他列中的每个独特价值总和两个列，例如，我们每天都有各个商店中交易的数据框架的数据，如下所示 shop

6 2023-11-06 编程技术问答社区 r sum unique data.table

首页
<
1
2
3
4
5
6
7
8
>
尾页