dplyr的mutate函数有哪些data.table的替代方案？

Question

我正在学习R语言，但我不确定是将重点放在dplyr还是data.table上。Dplyr有非常好的语法，但据我了解，它在每次操作时都会复制数据框，这可能是一个缺点。

有一件事我无法弄清楚，那就是mutate的替代方法。

如果我有

df %>% group_by(foo) %>% mutate(
    bar  = cumsum(baz),
    q    = bar * 3.14)

我可以做类似于某事的事情。

df[,c("bar"):=list(cumsum(baz)),by=foo]
df$q <- df$bar*3.14

在data.table中有没有更好的方法来做这件事？

- zapp0

---

请提供可重现的示例，好吗？ - Ben Bolker

首先，在你的第一行中，你不需要使用 c 或 list。你的第二行有点突然回到了基本的 R 语法。为什么你突然又在使用 <- 和 $？为什么不像你的第一行那样做一些类似于 df[,q:=bar*3.14] 的事情呢？ - David Arenburg

除了个人偏好之外，使用一种或另一种语法有什么区别吗？我的意思是，在第一行中，由于“...，by=foo]”，我需要那种语法。 - zapp0

你自己提到过，你不想复制你的数据。所以 <- 和 $ 会进行复制。如果你在数据表范围内使用 :=，你就可以避免复制。这就是 := 的全部意义 - 它通过引用进行更新。 - David Arenburg

<- 和 ? 会复制一份吗？哇，这有点违反直觉。抱歉，我不理解内部机制，也无法从语法中看出会复制。那么使用 mutate 的好处是它会为整个操作做一次拷贝吗？另一方面，我读到说它在与 data.table 一起使用时存在一个错误，并且它不使用浅拷贝。 - zapp0

在R中，除了data.table函数（如:=、setnames等）之外的几乎所有操作都会生成副本。 - Max Ghenis

Answer 1

你可以只做这个：

# some test data:
df <- data.table(baz = 1:10, foo = c(rep(1, 5), rep(2, 5)))

df[, bar := cumsum(baz), by = foo]
df[, q := bar*3.14]

虽然它是双行的，但非常易读且易写。

- sthelen

Answer 2

使用 data.table 的惯用方式是:

dt[, c("bar", "q") := {
       tmp = cumsum(baz)
       list(tmp, tmp*3.14)
     }, by = foo]

data.table 在同一时间内同时计算 j-expression，而不是分开计算（故意这样做），因此，除非将更新后的值存储在变量中，否则无法引用该值。

这样可以避免许多意外情况。一个有用的场景是：

dt[, c("a", "b") := list(pmin(a,b), pmax(a,b))]

:= 的行为与基本相同，只是它通过引用更新输入对象。它不等同于 mutate。

- Arun

---

谢谢您提供额外的pmin与pmax示例，这真的有助于说明概念。 - cmo

@Arun，我不理解这里的“dt [，c（”a“，”b“）：= list（pmin（a，b），pmax（a，b））]”示例。它是什么意思？ - Deb

@deb，那个j是一起被评估的。如果首先将a评估为pmin(a, b)，那么b将始终是b，因为pmax(a, b)将与新值的a进行比较。 - Arun