我想在我的data.table中添加一个新列。这一列应该包含所有满足某个条件的行中两个其他列的最小值。以下是一个类似于此的data.table示例:
library(data.table)
DT <- data.table(pattern=c("A", "A & B", "A & B & C", "A & C & D"),
value1=c(1, 2, 3, 4),
value2=c(5, 6, 7, 8)
)
pattern value1 value2
1: A 1 5
2: A & B 2 6
3: A & B & C 3 7
4: A & C & D 4 8
对于每一行x以及每一行i,其中pattern[x]是pattern[i]的子模式,我想执行以下计算:
min((value1[i]-value1[x])/(value1[i]/value2[i]-value1[x]/value2[x]))
由于这些模式具有类似的顺序,我可以使用正则表达式检索子模式,并将“&”替换为通配符“.*”,然后检查它是否不是模式本身。因此,我可以在每一行上使用for循环:
setkey(DT,pattern)
for(i in 1:nrow(DT)) {
DT[i, foo:=DT[grepl(gsub("&",".*",DT[i]$pattern,fixed=TRUE),pattern) & DT[i]$pattern!=pattern,
ifelse(.N==0,
NA,
min((DT[i]$value1-value1)/(DT[i]$value1/DT[i]$value2-value1/value2)))]]
}
很不幸,数据集非常大,使用for循环处理速度非常慢。我希望有人能帮我用一些我不知道的data.table技巧解决这个问题。本质上,我的问题与this one相似,但是给出了字符串格式的模式,因此我无法使用范围连接。
背景: 这些模式是从关联规则挖掘中输出的,例如{洋葱和土豆=>汉堡}。有成千上万种不同的物品(例如示例中的A、B、C和D)。我试图添加一个统计量来找出规则与其子规则之间的关系。