Preguntas etiquetadas con data.table

Visión general Estoy relativamente familiarizado data.table, no tanto dplyr. He leído algunas dplyrviñetas y ejemplos que han aparecido en SO, y hasta ahora mis conclusiones son que: data.tabley dplyrson comparables en velocidad, excepto cuando hay muchos (es decir,> 10-100K) grupos, y en algunas otras circunstancias (ver puntos de referencia a …

760 r  data.table  dplyr 

Para deshacerme de una columna llamada "foo" en un data.frame, puedo hacer: df <- df[-grep('foo', colnames(df))] Sin embargo, una vez dfse convierte en undata.table objeto, no hay forma de eliminar una columna. Ejemplo: df <- data.frame(id = 1:100, foo = rnorm(100)) df2 <- df[-grep('foo', colnames(df))] # works df3 <- data.table(df) …

195 r  data.table 

Tengo un pequeño problema para comprender las propiedades de paso por referencia de data.table. Algunas operaciones parecen "romper" la referencia, y me gustaría entender exactamente lo que está sucediendo. Al crear un archivo data.tabledesde otro data.table(vía <-, y luego actualizar la nueva tabla :=, la tabla original también se modifica. …

194 r  reference  copy  data.table  assignment-operator 

.SDparece útil pero realmente no sé qué estoy haciendo con él. Que significa? ¿Por qué hay un período anterior (punto final)? ¿Qué sucede cuando lo uso? Leí: .SDes un que data.tablecontiene el subconjunto de xdatos de cada grupo, excluyendo las columnas del grupo. Se puede usar al agrupar por i, …

173 r  data.table 

Recientemente me encontré con la biblioteca de pandas para Python, que según este punto de referencia realiza fusiones en memoria muy rápidas. Es incluso más rápido que el paquete data.table en R (mi lenguaje de elección para el análisis). ¿Por qué es pandasmucho más rápido que data.table? ¿Se debe a …

160 python  r  join  data.table  pandas 

A partir de una trama de datos, hay una manera fácil de agregar ( sum, mean, maxet c) múltiples variables simultáneamente? A continuación se presentan algunos datos de muestra: library(lubridate) days = 365*2 date = seq(as.Date("2000-01-01"), length = days, by = "day") year = year(date) month = month(date) x1 = …

154 r  dataframe  data.table  aggregate  r-faq 

Mi pregunta está relacionada con la asignación por referencia versus la copia en data.table. Quiero saber si uno puede eliminar filas por referencia, similar a DT[ , someCol := NULL] Quiero saber sobre DT[someRow := NULL, ] Supongo que hay una buena razón por la cual esta función no existe, …

150 r  data.table 

Tengo una gran tabla de datos , con muchos valores perdidos dispersos en sus ~ 200k filas y 200 columnas. Me gustaría volver a codificar esos valores de NA a ceros de la manera más eficiente posible. Veo dos opciones: 1: convertir a data.frame y usar algo como esto 2: …

150 r  performance  dataframe  data.table 

¿Cómo podemos seleccionar múltiples columnas usando un vector de sus índices numéricos (posición) en data.table? Así es como lo haríamos con un data.frame: df <- data.frame(a = 1, b = 2, c = 3) df[ , 2:3] # b c # 1 2 3

143 r  data.table 

En un data.frame (o data.table), me gustaría "completar" NA con el valor anterior que no sea NA más cercano. Un ejemplo simple, el uso de vectores (en lugar de a data.frame) es el siguiente: > y <- c(NA, 2, 2, NA, NA, 3, NA, 4, NA, NA) Me gustaría una …

141 r  data.table  zoo  r-faq 

Estoy revisando la documentación data.tabley también noté de algunas de las conversaciones aquí sobre SO que rbindlistse supone que es mejor que rbind. Me gustaría saber por qué es rbindlistmejor rbindy en qué escenarios rbindlistrealmente sobresale rbind. ¿Hay alguna ventaja en términos de utilización de memoria?

135 r  data.table  rbind  rbindlist 

¿Cuál es la mejor manera de asignar a múltiples columnas usando data.table? Por ejemplo: f <- function(x) {c("hi", "hello")} x <- data.table(id = 1:10) Me gustaría hacer algo como esto (por supuesto, esta sintaxis es incorrecta): x[ , (col1, col2) := f(), by = "id"] Y para extender eso, puedo …

130 r  dataframe  data.table  variable-assignment  colon-equals 

Digamos que tengo lo siguiente data.tableen R: library(data.table) DT = data.table(x=rep(c("b","a","c"),each=3), y=c(1,3,6), v=1:9) Quiero ordenarlo por dos columnas (digamos columnas xy v). Usé esto: DT[order(x,v)] # sorts first by x then by v (both in ascending order) Pero ahora, quiero ordenarlo por x(en orden decreciente) y tener el siguiente código: …

125 r  string  sorting  data.table  key 

Esta es una pregunta un poco filosófica sobre la sintaxis de unión de data.table. Estoy encontrando cada vez más usos para data.tables, pero sigo aprendiendo ... El formato X[Y]de combinación para data.tables es muy conciso, práctico y eficiente, pero hasta donde yo sé, solo admite combinaciones internas y combinaciones externas …

123 r  join  data.table 

Me gustaría columnas de reabastecimiento en mi data.table x, dado un vector de caracteres de nombres de columna, neworder: library(data.table) x <- data.table(a = 1:3, b = 3:1, c = runif(3)) neworder <- c("c", "b", "a") Obviamente podría hacer: x[ , neworder, with = FALSE] # or x[ , ..neworder] …

118 r  data.table