R Daten.Tabelle Punkt Produkt mit übereinstimmenden Spaltennamen (für jede Gruppe)

Question

Ich habe eine Datentabelle von Daten und eine Datentabelle von angepassten Koeffizienten. Ich möchte den angepassten Wert für jede Zeile berechnen.

dt = data.table(a = rep(c("x","y"), each = 5), b = rnorm(10), c = rnorm(10), d = rnorm(10)) 
coefs = data.table(a = c("x","y"), b = c(0, 1), d = c(2,3)) 
dt 
# a   b   c   d 
# 1: x -0.25174915 -0.2130797 -0.67909764 
# 2: x -0.35569766 0.6014930 0.35201386 
# 3: x -0.31600957 0.4398968 -1.15475814 
# 4: x -0.54113762 -2.3497952 0.64503654 
# 5: x 0.11227873 0.0233775 -0.96891456 
# 6: y 1.24077566 -1.2843439 1.98883516 
# 7: y -0.23819626 0.9950835 -0.17279980 
# 8: y 1.49353589 0.3067897 -0.02592004 
# 9: y 0.01033722 -0.5967766 -0.28536224 
#10: y 0.69882444 0.8702424 1.24131062 

coefs # NB no "c" column 
# a b d 
#1: x 0 2 
#2: y 1 3 

Für jede Zeile in a=="x" dt, möchte ich 0*b+2*d; und für jede a=="y" Zeile in dt möchte ich 1*b+3*d.

Gibt es einen datablen Weg, dies ohne Hardcode den Spaltennamen zu tun? Ich bin glücklich, die Spaltennamen in eine Variable cols = colnames(coefs)[-1] zu setzen.

Es ist einfach, Gruppen und rbind miteinander zu verknüpfen. Wenn die Gruppierung Probleme verursacht, ignorieren Sie diesen Teil.

Answer 1

Join the data.tables:

dt[coefs, res := b * i.b + d * i.d, on = "a"] 
# a   b   c   d  res 
#1: x 0.09901786 -0.362080111 -0.5108862 -1.0217723 
#2: x -0.16128422 0.169655945 0.3199648 0.6399295 
#3: x -0.79648896 -0.502279345 1.3828633 2.7657266 
#4: x -0.26121421 0.480548972 -1.1559392 -2.3118783 
#5: x 0.54085591 -0.601323442 1.3833795 2.7667590 
#6: y 0.83662761 0.607666970 0.6320762 2.7328562 
#7: y -1.92510391 -0.050515610 -0.3176544 -2.8780671 
#8: y 1.65639926 -0.167090105 0.6830158 3.7054466 
#9: y 1.48772354 -0.349713539 -1.2736467 -2.3332166 
#10: y 1.49065993 0.008198885 -0.1923361 0.9136516 

Normalerweise würden Sie das Matrixprodukt hier verwenden, aber das würde bedeuten, dass Sie die jeweilige Teilmenge zu einer Matrix zu zwingen, hatten. Das würde dazu führen, dass eine Kopie erstellt wird, und da data.tables hauptsächlich für größere Daten verwendet werden, möchten Sie Kopien vermeiden.

Wenn Sie dynamische Spaltennamen benötigen, die einfachste Lösung, die den Sinn kommt, ist eigentlich ein eval/parse Konstrukt:

cols = colnames(coefs)[-1] 
expr <- parse(text = paste(paste(cols, paste0("i.", cols), sep = "*"), collapse = "+")) 
#expression(b*i.b+d*i.d) 

dt[coefs, res := eval(expr), on = "a"] 

Vielleicht kann jemand anderes eine bessere Lösung vorschlagen.

Hier ist eine Lösung unter Verwendung von Matrixmultiplikation:

dt[, res := as.matrix(.SD) %*% unlist(coefs[a == .BY, .SD, .SDcols = cols]), 
    by = "a", .SDcols = cols] 

Natürlich ist dies macht Kopien, die dann möglicherweise weniger effizient ist die eval Lösung.

Answer 2

Ich fand heraus, dass data.table aller numerischen Spalten können arithmetische Operationen (+, -, *, /), aber keine Namensübereinstimmung - Just Order Matching.

> coefs 
    a b d 
1: x 0 2 
2: y 1 3 
> coefs[, .(b,d)] * coefs[, .(b,d)] 
    b d 
1: 0 4 
2: 1 9 
> coefs[, .(b,d)] * coefs[, .(d,b)] 
    b d 
1: 0 0 
2: 3 3 

so eine Lösung auf der Grundlage dieser

> cols = colnames(coefs)[-1] 
> zz = rowSums(coefs[dt[,.(a)], .SD, on = 'a', .SDcols = cols] * dt[, .SD, .SDcols = cols]) 
> dt[, newcol := zz] 

Answer 3

Eine weitere Alternative (aber langsamer) Ansatz ist:

dt$res <- unsplit(Map(function(x,y){x$b*y$b + x$d*y$d}, split(dt, dt$a=="x"), 
       split(coefs,coefs$a=="x")),dt$a=="x") 

    dt 
    a   b   c   d  res 
1: x 0.47859729 1.3479271 0.5691897 1.1383794 
2: x 0.28491505 -0.3291934 1.8621365 3.7242730 
3: x -1.43894695 1.5555413 0.3685772 0.7371544 
4: x 0.04360066 0.1358920 0.5240700 1.0481400 
5: x -1.39897890 -0.0175886 -0.6876451 -1.3752901 
6: y -0.60952146 1.2331907 -0.3582176 -1.6841742 
7: y 0.31777772 1.4090295 -0.4053615 -0.8983067 
8: y 0.42758431 -0.3746061 2.1208417 6.7901094 
9: y -0.60701063 -0.9232092 1.9386482 5.2089341 
10: y -1.52042316 -0.8871454 -0.9314232 -4.3146927 

Das gleiche Code als auch in Basis R funktionieren würde, wenn Ihre Daten war bereits data.frames.