Zvažte následující dt
:
dt <- data.table(a=c(1,1,2,3),b=c(4,5,6,4))
To vypadá jako, že:
> dt
a b
1: 1 4
2: 1 5
3: 2 6
4: 3 4
Jsem tu agregaci jednotlivých sloupců je jedinečné hodnoty a pak počítat, kolik uniquye hodnoty každého sloupce, který má:
> dt[,lapply(.SD,function(agg) dt[,.N,by=agg])]
a.agg a.N b.agg b.N
1: 1 2 4 2
2: 2 1 5 1
3: 3 1 6 1
Tak 1
objeví dvakrát v dt
a tak a.N
je 2
, stejnou logikou pokračuje na jiné hodnoty.
Ale problém je, pokud to transformací z původní datatable
mají různé rozměry, na konci, všechno bude recyklován.
Například tento dt
:
dt <- data.table(a=c(1,1,2,3,7),b=c(4,5,6,4,4))
> dt[,lapply(.SD,function(agg) dt[,.N,by=agg])]
a.agg a.N b.agg b.N
1: 1 2 4 3
2: 2 1 5 1
3: 3 1 6 1
4: 7 1 4 3
Warning message:
In as.data.table.list(jval, .named = NULL) :
Item 2 has 3 rows but longest item has 4; recycled with remainder.
Již to není správná odpověď, protože b.N
měl teď jen 3
řádky a věci(vektor) dostal recyklovány.
To je důvod, proč chtěl bych změnit výraz dt[,lapply(.SD,function(agg) dt[,.N,by=agg])]
v seznamu s různými rozměry, s jméno položky v seznamu je název sloupce v nové transformované dt
.
Nástin toho, co mám na mysli, je:
newlist
$a.agg
1 2 3 7
$a.N
2 1 1 1
$b.agg
4 5 6 4
$b.N
3 1 1
Nebo ještě lepší řešení by bylo, aby si datatable
s trati sloupce na další sloupce:
dt_final
agg N column
1 2 a
2 1 a
3 1 a
7 1 a
4 3 b
5 1 b
6 1 b
measure.vars = colnames(d)
pokud máte několik tisíc sloupců.