r - 通过改变选定的列来计算 rowSums

Question

早上好， 我被屏蔽了。

我有以下对象:

d1:
    a  b  d e
1:  0 32  0 1
2:  0 40  0 3
3: 23  0  0 2
4: 32  0 32 4
5:  0  0 56 0

w:
[[1]]
[1] "a" "b"

[[2]]
[1] "b" "d"

[[3]]
[1] "a" "b" "e"

我需要行的总和，仅使用单词中包含的列(对于每个“迭代”)

    a  b  d e f1 f2 f3
1:  0 32  0 1 32 32 33
2:  0 40  0 3 40 40 43
3: 23  0  0 2 23  0 25
4: 32  0 32 4 32 32 36
5:  0  0 56 0  0 56  0

d1[,f1:=rowSums(.SD),.SDcols=w[[1]]]

d1[,f2:=rowSums(.SD),.SDcols=w[[2]]]

d1[,f3:=rowSums(.SD),.SDcols=w[[3]]]

我无法使用循环或lapply，循环非常慢并且lapply内存效率不高。真实数据是一个 1112 行和 108968 列(最多)的矩阵以及超过 400 万个字符向量的列表。

谢谢!

数据

d1 <- read.table(h=T,strin=F,text=
"a  b  d e
 0 32  0 1
 0 40  0 3
23  0  0 2
32  0 32 4
 0  0 56 0")
data.table::setDT(d1)

w <- list(c("a","b"),c("b","d"),c("a","b","e"))

Answer 1

你的陈述

I can not use loops or lapply, the loops are very slow and lapply is not memory efficient.

意味着您必须手动输入。考虑有效地使用循环，例如这样:

for(i in seq_along(w)) {
  set(d1, i = NULL, j = paste0("f", i), value = rowSums(d1[, w[[i]], with=FALSE]))
}

结果是:

d1
#    a  b  d e f1 f2 f3
#1:  0 32  0 1 32 32 33
#2:  0 40  0 3 40 40 43
#3: 23  0  0 2 23  0 25
#4: 32  0 32 4 32 32 36
#5:  0  0 56 0  0 56  0

正如@Frank 在他的评论中提到的，在这种情况下替换是合适的

rowSums(d1[, w[[i]], with=FALSE])

与

Reduce("+", d1[, w[[i]], with=FALSE])

因为输入不是矩阵(并且rowSums将其输入强制转换为矩阵，如果它还不是)。实际上，这将是一种更有效的方法，但代价是无法轻松处理 NA 条目(就​​像在 rowSums 中可能实现的那样)。