注意到 data.table 的一些奇怪行为,希望有人比我能解释的更了解 data.table。
说我有这个 data.table:
library(data.table)
DT <- data.table(
C1 = c(rep("A", 4), rep("B",4), rep("C", 4)),
C2 = c(rep("a", 3), rep("b",3), rep("c",3), rep("d",3)),
Val = c(1:5, NaN, NaN, 8,9,10,NaN,12))
DT
C1 C2 Val
1: A a 1
2: A a 2
3: A a 3
4: A b 4
5: B b 5
6: B b NaN
7: B c NaN
8: B c 8
9: C c 9
10: C d 10
11: C d NaN
12: C d 12
现在,在我看来,以下两种方法应该会产生相同的结果,但事实并非如此。
TEST1 <- DT[, agg := min(Val, na.rm = TRUE), by = c('C1', 'C2')]
TEST1 <- data.table(unique(TEST1[, c('C1','C2','agg'), with = FALSE]))
TEST2 <- DT[, list(agg = min(Val, na.rm = TRUE)), by = c('C1', 'C2')]
TEST1
C1 C2 agg
1: A a 1
2: A b 4
3: B b 5
4: B c 8
5: C c 9
6: C d 10
TEST2
C1 C2 agg
1: A a 1
2: A b 4
3: B b 5
4: B c NaN
5: C c 9
6: C d 10
如您所见,使用“:=”生成的 (C1 = B, C2 = c) 的最小值为 8。而 list 命令会生成 NaN。
有趣的是,对于也有 NaN 的 (C1 = B,C2 = b) 和 (C1 = C, C2 = d),list 命令确实会产生一个值。
我相信这是因为在给定 C1 C2 组合的值之前先是 NaN 的情况下,结果是 NaN。而在其他两个示例中,NaN 位于值之后。
为什么会出现这种情况?
我注意到,如果 NaN 被 NA 替换,那么生成的值没有问题。
最佳答案
修复了这个问题,#1461刚刚在开发中,v1.9.7 带有 commit 2080 .
require(data.table) # v1.9.7, commit 2080+
DT <- data.table(
C1 = c(rep("A", 4), rep("B",4), rep("C", 4)),
C2 = c(rep("a", 3), rep("b",3), rep("c",3), rep("d",3)),
Val = c(1:5, NaN, NaN, 8,9,10,NaN,12))
DT[, list(agg = min(Val, na.rm = TRUE)), by = c('C1', 'C2')]
# C1 C2 agg
# 1: A a 1
# 2: A b 4
# 3: B b 5
# 4: B c 8
# 5: C c 9
# 6: C d 10
关于r - data.table "list"与 ":="处理 NaN,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34081848/