R data.table的几个小技巧（一）
Frank / 2020-06-15
目前来说，在R里面manipulate data主要有两个流派，data.table 和包括 dplyr、tidyr等的tidyverse
我个人来说是比较偏向于使用data.table的。其语法，性能，稳定性都优于tidyverse (一家之言见笑了)。本系列将分享一些个人的小技巧，解释不会很多，只是作为自己的一个future reference。
本期内容
导入 data.table
library(data.table)创建example data
dt <- data.table(
Start_Date = as.Date(c(
"2019-05-01", "2019-08-04", "2019-07-05",
"2019-07-04", "2019-04-27", "2019-04-26",
"2019-02-13", "2019-02-15", "2018-11-26",
"2018-11-11"
)),
End_Date = as.Date(c(
"2019-06-01", "2019-08-09", "2019-08-14",
"2019-07-05", "2019-05-10", "2019-05-20",
"2019-02-16", "2019-03-02", "2018-12-17",
"2018-11-19"
)),
Category = c(
"Q-Y-M-V", "E-E-E-H", "A-N-T-D",
"J-T-B-X", "D-R-H-Z", "R-O-C-R",
"Z-C-A-M", "O-I-J-E", "G-D-K-W", "V-Z-O-B"
)
)| Start_Date | End_Date | Category |
|---|---|---|
| 2019-05-01 | 2019-06-01 | Q-Y-M-V |
| 2019-08-04 | 2019-08-09 | E-E-E-H |
| 2019-07-05 | 2019-08-14 | A-N-T-D |
| 2019-07-04 | 2019-07-05 | J-T-B-X |
| 2019-04-27 | 2019-05-10 | D-R-H-Z |
| 2019-04-26 | 2019-05-20 | R-O-C-R |
| 2019-02-13 | 2019-02-16 | Z-C-A-M |
| 2019-02-15 | 2019-03-02 | O-I-J-E |
| 2018-11-26 | 2018-12-17 | G-D-K-W |
| 2018-11-11 | 2018-11-19 | V-Z-O-B |
实际操作
拆分一列到多列
dt[, paste0("Category_", 1:4) := tstrsplit(Category, split = "-")][]## Start_Date End_Date Category Category_1 Category_2 Category_3 Category_4
## 1: 2019-05-01 2019-06-01 Q-Y-M-V Q Y M V
## 2: 2019-08-04 2019-08-09 E-E-E-H E E E H
## 3: 2019-07-05 2019-08-14 A-N-T-D A N T D
## 4: 2019-07-04 2019-07-05 J-T-B-X J T B X
## 5: 2019-04-27 2019-05-10 D-R-H-Z D R H Z
## 6: 2019-04-26 2019-05-20 R-O-C-R R O C R
## 7: 2019-02-13 2019-02-16 Z-C-A-M Z C A M
## 8: 2019-02-15 2019-03-02 O-I-J-E O I J E
## 9: 2018-11-26 2018-12-17 G-D-K-W G D K W
## 10: 2018-11-11 2018-11-19 V-Z-O-B V Z O B拆分一列到多行
dt[, .(
Start_Date = Start_Date,
End_Date = End_Date,
Category = unlist(strsplit(Category, split = "-"))),
by = 1:nrow(dt)]## nrow Start_Date End_Date Category
## 1: 1 2019-05-01 2019-06-01 Q
## 2: 1 2019-05-01 2019-06-01 Y
## 3: 1 2019-05-01 2019-06-01 M
## 4: 1 2019-05-01 2019-06-01 V
## 5: 2 2019-08-04 2019-08-09 E
## 6: 2 2019-08-04 2019-08-09 E
## 7: 2 2019-08-04 2019-08-09 E
## 8: 2 2019-08-04 2019-08-09 H
## 9: 3 2019-07-05 2019-08-14 A
## 10: 3 2019-07-05 2019-08-14 N
## 11: 3 2019-07-05 2019-08-14 T
## 12: 3 2019-07-05 2019-08-14 D
## 13: 4 2019-07-04 2019-07-05 J
## 14: 4 2019-07-04 2019-07-05 T
## 15: 4 2019-07-04 2019-07-05 B
## 16: 4 2019-07-04 2019-07-05 X
## 17: 5 2019-04-27 2019-05-10 D
## 18: 5 2019-04-27 2019-05-10 R
## 19: 5 2019-04-27 2019-05-10 H
## 20: 5 2019-04-27 2019-05-10 Z
## 21: 6 2019-04-26 2019-05-20 R
## 22: 6 2019-04-26 2019-05-20 O
## 23: 6 2019-04-26 2019-05-20 C
## 24: 6 2019-04-26 2019-05-20 R
## 25: 7 2019-02-13 2019-02-16 Z
## 26: 7 2019-02-13 2019-02-16 C
## 27: 7 2019-02-13 2019-02-16 A
## 28: 7 2019-02-13 2019-02-16 M
## 29: 8 2019-02-15 2019-03-02 O
## 30: 8 2019-02-15 2019-03-02 I
## 31: 8 2019-02-15 2019-03-02 J
## 32: 8 2019-02-15 2019-03-02 E
## 33: 9 2018-11-26 2018-12-17 G
## 34: 9 2018-11-26 2018-12-17 D
## 35: 9 2018-11-26 2018-12-17 K
## 36: 9 2018-11-26 2018-12-17 W
## 37: 10 2018-11-11 2018-11-19 V
## 38: 10 2018-11-11 2018-11-19 Z
## 39: 10 2018-11-11 2018-11-19 O
## 40: 10 2018-11-11 2018-11-19 B
## nrow Start_Date End_Date Category根据两列生成行（多见于日期的起始)
dt[, .(
Start_Date = Start_Date,
End_Date = End_Date,
Date = seq.Date(Start_Date, End_Date, by = "day"),
Category = Category
),
by = 1:nrow(dt)
]## nrow Start_Date End_Date Date Category
## 1: 1 2019-05-01 2019-06-01 2019-05-01 Q-Y-M-V
## 2: 1 2019-05-01 2019-06-01 2019-05-02 Q-Y-M-V
## 3: 1 2019-05-01 2019-06-01 2019-05-03 Q-Y-M-V
## 4: 1 2019-05-01 2019-06-01 2019-05-04 Q-Y-M-V
## 5: 1 2019-05-01 2019-06-01 2019-05-05 Q-Y-M-V
## ---
## 167: 10 2018-11-11 2018-11-19 2018-11-15 V-Z-O-B
## 168: 10 2018-11-11 2018-11-19 2018-11-16 V-Z-O-B
## 169: 10 2018-11-11 2018-11-19 2018-11-17 V-Z-O-B
## 170: 10 2018-11-11 2018-11-19 2018-11-18 V-Z-O-B
## 171: 10 2018-11-11 2018-11-19 2018-11-19 V-Z-O-B多列合并
dt[, .(all_category = do.call(paste, c(.SD, sep = "-"))), .SDcols = patterns("\\d$")]## all_category
## 1: Q-Y-M-V
## 2: E-E-E-H
## 3: A-N-T-D
## 4: J-T-B-X
## 5: D-R-H-Z
## 6: R-O-C-R
## 7: Z-C-A-M
## 8: O-I-J-E
## 9: G-D-K-W
## 10: V-Z-O-B还可以用于多列相加，相乘等。