给定data.table
dat:
dat <- data.table(x_one=1:10, x_two=1:10, y_one=1:10, y_two=1:10)
我想要一个函数,在给定两个类似行的“根”名称的情况下,在它们之间创建一个表达式,例如
x_one - x_two
。myfun <- function(name) {
one <- paste0(name, '_one')
two <- paste0(name, '_two')
parse(text=paste(one, '-', two))
}
现在,仅使用一个根名即可按预期工作并产生 vector 。
dat[, eval(myfun('x')),]
[1] 0 0 0 0 0 0 0 0 0 0
但是,尝试使用
list
技术为该输出分配名称将失败:dat[, list(x_out = eval(myfun('x'))),]
Error in eval(expr, envir, enclos) : object 'x_one' not found
我可以通过添加一个
with(dat, ...)
来“解决”这个问题,但是看起来似乎不是data.table-ishdat[, list(x_out = with(dat, eval(myfun('x'))),
y_out = with(dat, eval(myfun('y')))),]
x_out y_out
1: 0 0
2: 0 0
3: 0 0
4: 0 0
5: 0 0
6: 0 0
7: 0 0
8: 0 0
9: 0 0
10: 0 0
如果我想要上面的输出,生成和评估这些表达式的正确方法是什么?
如果有帮助,下面是
sessionInfo()
输出。我记得能够做到这一点,或接近它,但是它已经有一段时间了,自从...以来data.table
已更新。R version 2.15.1 (2012-06-22)
Platform: x86_64-pc-linux-gnu (64-bit)
locale:
[1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C LC_TIME=en_US.UTF-8 LC_COLLATE=en_US.UTF-8
[5] LC_MONETARY=en_US.UTF-8 LC_MESSAGES=en_US.UTF-8 LC_PAPER=C LC_NAME=C
[9] LC_ADDRESS=C LC_TELEPHONE=C LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C
attached base packages:
[1] graphics grDevices utils datasets stats grid methods base
other attached packages:
[1] Cairo_1.5-1 zoo_1.7-7 stringr_0.6.1 doMC_1.2.5 multicore_0.1-7 iterators_1.0.6 foreach_1.4.0
[8] data.table_1.8.2 circular_0.4-3 boot_1.3-5 ggplot2_0.9.1 reshape2_1.2.1 plyr_1.7.1
loaded via a namespace (and not attached):
[1] codetools_0.2-8 colorspace_1.1-1 dichromat_1.2-4 digest_0.5.2 labeling_0.1 lattice_0.20-6
[7] MASS_7.3-20 memoise_0.1 munsell_0.3 proto_0.3-9.2 RColorBrewer_1.0-5 scales_0.2.1
[13] tools_2.15.1
最佳答案
一种解决方案是将list(...)
放入函数输出中。
我倾向于使用as.quoted
,从@hadley在.()
包中实现plyr
的方式中窃取。
library(data.table)
library(plyr)
dat <- data.table(x_one=1:10, x_two=1:10, y_one=1:10, y_two=1:10)
myfun <- function(name) {
one <- paste0(name, '_one')
two <- paste0(name, '_two')
out <- paste0(name,'_out')
as.quoted(paste('list(',out, '=',one, '-', two,')'))[[1]]
}
dat[, eval(myfun('x')),]
# x_out
# 1: 0
# 2: 0
# 3: 0
# 4: 0
# 5: 0
# 6: 0
# 7: 0
# 8: 0
# 9: 0
#10: 0
要一次执行两列,您可以调整通话
myfun <- function(name) {
one <- paste0(name, '_one')
two <- paste0(name, '_two')
out <- paste0(name,'_out')
calls <- paste(paste(out, '=', one, '-',two), collapse = ',')
as.quoted(paste('list(', calls,')'))[[1]]
}
dat[, eval(myfun(c('x','y'))),]
# x_out y_out
# 1: 0 0
# 2: 0 0
# 3: 0 0
# 4: 0 0
# 5: 0 0
# 6: 0 0
# 7: 0 0
# 8: 0 0
# 9: 0 0
# 0: 0 0
至于原因.....
在此解决方案中,对
list(..)
的整个调用都在作为数据表的parent.frame中进行评估。[.data.table
中的相关代码是if (missing(j)) stop("logical error, j missing")
jsub = substitute(j)
if (is.null(jsub)) return(NULL)
jsubl = as.list.default(jsub)
if (identical(jsubl[[1L]],quote(eval))) {
jsub = eval(jsubl[[2L]],parent.frame())
if (is.expression(jsub)) jsub = jsub[[1L]]
}
如果(就您而言)
j = list(xout = eval(myfun('x')))
##then
jsub <- substitute(j)
是
# list(xout = eval(myfun("x")))
和
as.list.default(jsub)
## [[1]]
## list
##
## $xout
## eval(myfun("x"))
所以
jsubl[[1L]]
是list
,jsubl[[2L]]
是eval(myfun("x"))
因此
data.table
尚未找到对eval
的调用,因此无法对其进行适当处理。这将起作用,并在正确的数据内强制进行第二次评估。
# using OP myfun
dat[,list(xout =eval(myfun('x'), dat))]
一样的方法
eval(parse(text = 'x_one'),dat)
# [1] 1 2 3 4 5 6 7 8 9 10
起作用但是
eval(eval(parse(text = 'x_one')), dat)
才不是
编辑10/4/13
尽管将
.SD
用作环境可能更安全(但速度较慢),因为这样对i
或by
也会很健壮,例如dat[,list(xout =eval(myfun('x'), .SD))]
从马修编辑:
+10以上。我自己不能更好地解释它。更进一步,我有时要做的是构造整个data.table查询,然后对其进行
eval
。这样有时可能会更健壮。我认为它就像SQL;即,我们经常构造一条动态SQL语句,该语句将发送到SQL服务器以执行。在进行调试时,有时也更容易查看构造的查询并在浏览器提示符下运行它。但是,有时这样的查询会很长,因此,通过不重新计算其他组件,可以将eval
传递给i
,j
或by
可以更有效。像往常一样,有很多方法可以给猫加皮。考虑用
eval
编码整个查询的细微原因包括:j
表达式。如果是list
,它将删除名称,但会记住它们。然后,eval
为每个组提供一个未命名的列表,然后一次恢复名称,最后返回最终结果。其他方法之所以缓慢的一个原因是,对于每一组,一次又一次地重新创建相同的列名 vector 。但是,定义的j
越复杂(例如,如果表达式不是精确地以list
开头),则在内部编写检查逻辑的难度就越大。这个 Realm 有很多测试;例如,与eval
结合使用,如果名称删除无效,则详细报告。但是,由于这个原因,构造一个“简单”查询(完整查询)和eval
可能会更快,更可靠。 j
进行了优化:options(datatable.optimize=Inf)
。到目前为止,这将检查j
并对其进行修改以优化mean
和lapply(.SD,...)
习惯用法。这造成了数量级上的差异,并且意味着用户需要知道的东西更少了(例如,现在一些Wiki点已经消失了)。我们可以做更多的事情;例如,如果DT[a==10]
[2014年9月更新-现在在v1.9.3中实现],可以将DT[J(10)]
自动优化为key(DT)[1]=="a"
。但是同样,如果不是DT[,mean(a),by=b]
(例如DT[,list(x=eval(expr)),by=b]
包含对expr
的调用)而不是mean
,则内部优化将很难在内部进行编码。因此,整个查询的eval
可以与datatable.optimize
一起使用。启用冗长功能可报告其正在执行的操作,并且可以根据需要关闭优化功能。例如,测试其产生的速度差异。 根据注释,已添加FR#2183:“将DT范围内的j = list(xout = eval(...))的eval更改为eval”。感谢您的强调。这就是复杂的
j
的类型,我的意思是eval
嵌套在表达式中。但是,如果j
以eval
开头,则这要简单得多,并且已经进行了编码(如上所示)和测试,因此应该对其进行优化。如果有一个解决方法,那就是:在使用涉及
DT[...,verbose=TRUE]
的动态查询时,请使用options(datatable.verbose=TRUE)
或data.table
来检查eval
仍然有效地工作。
关于r - 从data.table到eval的函数创建表达式,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11872499/