如何创建一个带有列名的空数据表，然后将其他数据表附加到它上面？

Question

首先我想创建一个带有列名的空数据表，但它失败了：

data <- data.table(va, vb, vc)

> Error in data.table(va, vb, vc) : object 'va' not found

其次，我想将数据表附加到它上面，但它也失败了：

data2 <- data.table(va=c(-1,0,1), vb=c(-1,0,1), vc=c(-1,0,1))
data2
   va vb vc
1: -1 -1 -1
2:  0  0  0
3:  1  1  1
merge(data2,data2)

> Error in merge.data.table(data2, data2) : 
      Can not match keys in x and y to automatically determine appropriate `by` parameter. Please set `by` value explicitly.

看起来该函数无法识别具有两个相同数据表的by参数。有什么思路吗？

- ChiseledAbs

---

"object va" 未找到是因为 R 假定它是一个变量名，而你的工作空间中没有名为 va 的现有变量。 - R Yoda

创建一个空的 data.table，使用以下代码（假设所有列都是数值型）：data=data.table(va=numeric(), vb=numeric(), vc=numeric()) - R Yoda

在R中，动态地在循环中增长东西（这似乎是你正在做的事情）是一个不好的想法。 - Frank

这个问题已经过时了，在data.table v1.11.x中，merge(data2,data2)默认可以很好地处理所有(共享)的键。我想这在v1.9.6 (2016)版本中没有实现。 - smci

@Frank: 你能帮我找一篇解释为什么不应该动态增加表格的文章吗？我找不到好的。 - tamara d

@tamarad R地狱的第二章（免费下载链接：https://www.burns-stat.com/pages/Tutor/R_inferno.pdf）通常是人们指出的，其中提到了“内存碎片化”和速度缓慢作为副作用。这适用于向量、数组和表格。我认为唯一的例外是在此处的评论中提到的，即增长列表是可以的：https://dev59.com/W2Uq5IYBdhLWcg3wF8hQ - Frank

Answer 1

使用以下代码创建一个空的data.table（假设所有列都是数字）：

library(data.table)    
data <- data.table(va=numeric(), vb=numeric(), vc=numeric())
data

导致如下结果：

> data
Empty data.table (0 rows) of 3 cols: va,vb,vc

要进行自我连接（self join），可使用以下语法（虽然结果相同）：

data2 <- data.table(va=c(-1,0,1), vb=c(-1,0,1), vc=c(-1,0,1))
data2
merge(data2, data2,by=names(data2))

您需要指定by参数的原因是因为merge的文档语义规定如此：

by：

在x和y中共享的列名称向量以进行合并。这默认为两个表之间的共享键列。如果y没有键列，则默认为x的键。

由于您没有设置任何键来合并数据表，因此合并的“连接”列不明确。

如果省略by参数，则不存在隐含的“使用所有列”的语义（正如上面引用的那样，会采取共享键列）。

要将一个数据表的所有行附加到另一个数据表中，请使用rbind（“行绑定”），而不是merge：

data3 <- rbind(data2, data2)
data3

导致结果如下：

> data3
   va vb vc
1: -1 -1 -1
2:  0  0  0
3:  1  1  1
4: -1 -1 -1
5:  0  0  0
6:  1  1  1

- R Yoda

---

在1.11.x中，merge现在尽可能使用共享键列。如果省略merge(..., by)参数，则不再存在隐式的“使用所有列”语义；我猜这在2016年（v1.9.6）时没有实现。你能否更正你的答案？ - smci

Answer 2

要创建一个空的data.table，您可以从一个空的矩阵开始：

library(data.table)
data <- setNames(data.table(matrix(nrow = 0, ncol = 3)), c("va", "vb", "vc"))
data
Empty data.table (0 rows) of 3 cols: va,vb,vc

然后您可以使用rbindlist将新的data.table附加到其中：

data2=data.table(va=c(-1,0,1), vb=c(-1,0,1), vc=c(-1,0,1))
data2
   va vb vc
1: -1 -1 -1
2:  0  0  0
3:  1  1  1
rbindlist(list(data, data2))
   va vb vc
1: -1 -1 -1
2:  0  0  0
3:  1  1  1

或者更简单的是，以下内容也可以使用：

data <- data.table()
data <- rbindlist(list(data, data2))
data
   va vb vc
1: -1 -1 -1
2:  0  0  0
3:  1  1  1

- Psidom

---

应该是被接受的答案...这个有很多灵活性... - John Smith

为了使其成为完整的data.table方式，您可以使用setnames而不是setNames。 - yuskam

Answer 3

另一种创建空的data.table的方法是定义列名，但不需要定义数据类型：

data <- data.table(1)[,`:=`(c("va", "vb", "vc"),NA)][,V1:=NULL][.0]

以下是操作步骤：

1. data.table(1)：创建一个非NULL的数据表，您可以向其中添加列
   • 有一列V1，只有一个行。值为1
   • 您可以在1的位置使用任何值（除NULL外）
2. [,`:=`(c("va", "vb", "vc"),NA)]：添加列va、vb、vc
   • 现在有四列（从V1开始）和一行。值为1,NA,NA,NA
   • 任何非NULL值都可以替换为NA
3. [,V1:=NULL]：删除V1列
4. [.0]：返回一个空白行
   • 实际上，您可以使用[.n]，其中n是任何整数。

如果您不喜欢[.0]的黑魔法，也可以使用

data <- data.table(1)[,`:=`(c("va", "vb", "vc"),NA)][,V1:=NULL][!is.na(va)]

---

若干年后的编辑： 请注意，这些列最初被分类为logical（例如上面的NA示例）。列类通常会强制转换为附加数据的列类，但是当涉及到日期数据时似乎会出现问题。

> alldata[,lapply(.SD,class)] # 0-row data seeded with NA in each column as above
        va      vb      vc       vd
1: logical logical logical  logical
> filedata[,lapply(.SD,class)] # lines of real data that you are trying to merge
          va        vb      vc   vd
1: character character integer Date
> rbindlist(list(alldata,filedata))
Error in rbindlist(list(alldata, filedata), use.names = FALSE) : 
  Class attribute on column 4 of item 2 does not match with column 4 of item 1.

要解决这个错误，一个解决方案是使用@R Yoda的答案，并将该列声明为例如vd=as.Date(character(0), origin = "1970-01-01")。

请注意，这个错误已经在data.table的github库这里针对这个特定的用例被报告。之前通常会报道这里。

- mpag

---

有趣的黑魔法。你是怎么想到使用“.0”的？我以前从未见过。 - David Arenburg