Wie eine Pipeline von data.table zu bauen, um data.table

Question

magrittr und zurück würde Ich mag data.table Pipelining mit magrittr Pipelining mischen. Ich kann von data.table zu%>% gehen, aber ich kann nicht herausfinden, wie ich zu [] [] data.table style pipelining zurückkomme.

Hier ist ein Beispiel:

> tbl = data.table(grp=c(1,1,1,2,2,2,3,3,3,4,4), y=rnorm(11)) 
> tbl 
    grp  y 
1: 1 0.08150 
2: 1 1.51330 
3: 1 -0.26154 
4: 2 -0.12746 
5: 2 0.10747 
6: 2 0.16502 
7: 3 0.54139 
8: 3 -0.04194 
9: 3 0.02373 
10: 4 2.00756 
11: 4 1.05523 
> tbl[, .(.N, mean(y)), by=grp][order(-N)] %>% head(n=3) %>% .[, N := NULL] 
    grp  V2 
1: 1 0.44442 
2: 2 0.04834 
3: 3 0.17439 
> tbl[, .(.N, mean(y)), by=grp][order(-N)] %>% head(n=3) %>% .[, N := NULL][, plot(grp, V2)] 
Error in `[.data.table`(., .[, `:=`(N, NULL)], , plot(grp, V2)) : 
    'by' or 'keyby' is supplied but not j 
Calls: %>% ... freduce -> withVisible -> <Anonymous> -> [ -> [.data.table 
> 

Wie kann ich auf [zurück] [] nach%>%?

Ich weiß, dass dieses Beispiel komplett neu geschrieben werden könnte, mit [] und nicht%>%, aber ich bin nicht daran interessiert, dass jedes Mal dabei. Ich hätte gerne einen Weg, um [] []%>% [] [] Muster schreiben zu können.

Answer 1

Sie können nicht. [ hat higher precedence als %any%, so wird es immer zuerst ausgewertet werden.

Answer 2

können Sie

tun

`tbl %>% filter(y>0) %>% data.table()` 

die Pipeline Ergebnis data.table, zum Beispiel zu konvertieren, um die Ergebnisse schön Druck - in einer Art und Weise data.table. Aber leider kann man so etwas nicht tun

`tbl %>% filter(y>0) %>% data.table() [, mean(y), by=group] 

Ich frage mich, ob diese Funktionalität für zukünftige data.table Versionen hinzugefügt werden könnte - vielleicht durch neue Syntax (die Rangfolge Einschränkung zu überwinden, wie „[“ durchgeführt wird, vor "<").

Answer 3

Sowohl die bisherigen Antworten mit Blick auf Ihre Fähigkeit, zu einem gewissen Grad angeben, Vorrang. Sie können es tun, indem Sie den Vorrang des %>% Teil des Codes Upping indem sie sie in {} s Einschließen:

x <- data.frame(a=1:5, b=6:10) 
{x %>% subset(a<4) %>% data.table()}[, mean(b)] 

Nicht schön, aber es funktioniert:

> {x %>% subset(a<4) %>% data.table()} [, mean(b)] 
[1] 7