r - 数据表错误 "maxn (N) is not exact multiple of this j column' s长度(J)"

Question

我在使用数据表时偶尔会遇到此错误。我很难想出一个例子来复制这个错误，所以我很抱歉这个例子不太现实。

(N 和 J 的数字不同)

当我在 j 列中使用 unique 函数时，该错误似乎最常发生。

DT = data.table(
    group1 = rep(c('a', 'b', 'c', 'd'), each = 3),
    group2 = rep(c('w', 'x', 'y', 'z'), times = 3),
    values = rep(1:6, times = 2))

## Works:
DT[i=TRUE, j=list(unique(group1), group1, .N), keyby=list(group2)]

## Error:
DT = rbind(DT, DT[1])
DT[i=TRUE, j=list(unique(group1), group1, .N), keyby=list(group2)]

另一个类似的例子如下:

set.seed(3)
DT = data.table(
    group1 = sample(c('a', 'b', 'c', 'd'), 1000, replace=TRUE),
    group2 = sample(c('w', 'x', 'y', 'z'), 1000, replace=TRUE),
    values = sample(1:20, replace = TRUE))
DT[, j=list(unique(group1), group1), keyby=list(group2)]

第一个示例给出的数字似乎与实际数据相关，但第二个示例给出了一个奇怪的数字。

Error in `[.data.table`(DT, , j = list(unique(group1), group1), keyby = list(group2)) : 
  maxn (242) is not exact multiple of this j column's length (4)

谁能告诉我这是什么原因造成的？

Answer 1

这是因为通过添加新行，您将创建一个包含 unique(group1) 的列表，对于 group2 = w，该列表将具有值 a,b,c 和 group1 = a,b,c,a 和 .N = 4。

现在，当元素数量不匹配时，data.table 会尝试回收这些值。也就是说，由于第三个值是 4，并且该组的最大元素是 4，因此它将尝试回收 4、4 次。这就是为什么在绑定(bind)最后一行之前你得到了 N = 3, 3 次。

但是，除非要回收的元素是较大对象长度的倍数，否则它将无法回收。也就是说，在 .N 的情况下，它的长度为 1，1 乘以 4 得出较大值的长度。但是，3 不能乘以整数得到 4。因此，不可能回收这些值...

作为测试，请执行以下操作:

DT = data.table(
group1 = rep(c('a', 'b', 'c', 'd'), each = 3),
group2 = rep(c('w', 'x', 'y', 'z'), times = 3),
values = rep(1:6, times = 2))

DT <- rbind(DT, DT[c(1,5,9)])

在这里，您已确保 group1 大小为 6，您可以从 3 (unique(group1)) 获得该大小。所以，这会工作得很好。

重要的信息是，当存在不均匀的组时，值将被回收。为了成功回收，较小对象的长度应为较大对象的整数倍。

希望这能澄清问题。

---

编辑:对于第二个数据，242 不是随机数...如果您这样做:

DT[, .N, by=group2]
  group2   N
1:      w 242
2:      x 249
3:      y 273
4:      z 236

对应于group2=w，您有 242 个元素。 group1 有 4 个独特的元素。并且 4 无法完全回收以达到 242 的长度(4 不能完全整除 242)。