Как эффективно создавать новые переменные и присваивать имена столбцам с помощью data.table?

Мне нужно рассчитать новые столбцы на основе данных, которые выглядят так:

structure(list(english_score = c(3L, 4L, 3L, 3L, 4L, 3L, 4L, 
2L, 4L, 2L, 3L, 3L, 2L, 2L, 3L, 4L, 3L, 3L, 4L, 3L, 4L, 3L, 2L
), math_score = c(4L, 4L, 3L, 4L, 4L, 4L, 3L, 2L, 3L, 3L, 4L, 
2L, 4L, 2L, 4L, 2L, 3L, 3L, 2L, 2L, 2L, 4L, 2L), science_score = c(3L, 
4L, 4L, 4L, 3L, 4L, 4L, 3L, 3L, 2L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 
2L, 3L, 2L, 3L, 3L, 4L)), row.names = c(NA, -23L), class = c("data.table", 
"data.frame"), .internal.selfref = <pointer: 0x000002478ee34d50>)

Я хочу создать что-то вроде этого:

structure(list(english_score = c(3L, 4L, 3L, 3L, 4L, 3L, 4L, 
2L, 4L, 2L, 3L, 3L, 2L, 2L, 3L, 4L, 3L, 3L, 4L, 3L, 4L, 3L, 2L
), math_score = c(4L, 4L, 3L, 4L, 4L, 4L, 3L, 2L, 3L, 3L, 4L, 
2L, 4L, 2L, 4L, 2L, 3L, 3L, 2L, 2L, 2L, 4L, 2L), science_score = c(3L, 
4L, 4L, 4L, 3L, 4L, 4L, 3L, 3L, 2L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 
2L, 3L, 2L, 3L, 3L, 4L), english_level = c("Level C", "Level D", 
"Level C", "Level C", "Level D", "Level C", "Level D", "Level B", 
"Level D", "Level B", "Level C", "Level C", "Level B", "Level B", 
"Level C", "Level D", "Level C", "Level C", "Level D", "Level C", 
"Level D", "Level C", "Level B"), math_level = c("Level D", "Level D", 
"Level C", "Level D", "Level D", "Level D", "Level C", "Level B", 
"Level C", "Level C", "Level D", "Level B", "Level D", "Level B", 
"Level D", "Level B", "Level C", "Level C", "Level B", "Level B", 
"Level B", "Level D", "Level B"), science_level = c("Level C", 
"Level D", "Level D", "Level D", "Level C", "Level D", "Level D", 
"Level C", "Level C", "Level B", "Level C", "Level D", "Level D", 
"Level D", "Level D", "Level D", "Level D", "Level B", "Level C", 
"Level B", "Level C", "Level C", "Level D")), row.names = c(NA, 
-23L), class = c("data.table", "data.frame"), .internal.selfref = <pointer: 
0x000002478ee34d50>)

До сих пор мой подход заключался в использовании функции для вычисления уровней новых переменных...

myfunction<-function(x){case_when(x<2~"Level A",
                              x>1 & x<3~"Level B",
                              x>2 & x<4~"Level C",
                              x>3~"Level D")}

....а затем создайте новые переменные и назначьте им имена одну за другой.

DT[, english_level:=lapply(.SD, myfunction), .SDcols='english_score']

DT[, math_level:=lapply(.SD, myfunction), .SDcols='math_score']

DT[, science_level:=lapply(.SD, myfunction), .SDcols='science_score']

Как упростить этот процесс, желательно с помощью data.table?

может быть что-то упущено, поскольку myfunction может быть просто примером. разве это не просто c("A", "B", "C", "D")[score]?

chinsoon12 03.02.2023 00:42
Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
2
1
75
2
Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Ответ принят как подходящий

Я бы сделал это (я назвал ваши данные DT, поскольку utils::data() является базовой функцией R):

score_cols  <- grep("_score$", names(DT), value = TRUE)
level_cols  <- sub("_score", "_level", score_cols)

DT[, 
    (level_cols) := lapply(.SD, myfunction),
    .SDcols = score_cols
]

Кроме того, ваш myfunction() использует dplyr::case_when(). Это будет работать, но некоторые функции dplyr конфликтуют с data.table (between(), first() и last() с текущими версиями). Вы можете заменить это на data.table::fcase().

myfunction <- function(x) {
    fcase(
        x == 1, "Level A",
        x == 2, "Level B",
        x == 3, "Level C",
        x == 4, "Level D"
    )
}

Это также должно быть быстрее, чем версия dplyr.

Кроме того, с помощью этой конкретной функции вы могли бы фактически заменить случай, когда логика ввода присваивается n-й букве в алфавите в качестве оценки:

assign_letter_grade  <- function(n) {
    paste("Level", LETTERS[n])
}

Вот один из вариантов, когда вам не нужно создавать собственную функцию. Вместо этого вы можете создать таблицу сопоставления, а затем сопоставить каждую оценку с уровнем обучения.

grade_map = data.table(
  score = c(1:5),
  lvl = paste(rep("Level", 5), c("A","B","C","D","F"))
)

lvl_cols = gsub("score","level", names(orig))
score_cols = names(orig)

# Group by Row
orig[, 
  (lvl_cols) := lapply(.SD, function(x) {grade_map[score %in% x]$lvl}), 
  by = 1:nrow(orig), 
  .SDcols = score_cols
]

# Using merge
orig[, 
  (lvl_cols) := lapply(.SD, function(x) {
    merge(data.table(score = x), grade_map, by = "score", sort = F)$lvl
  }), 
  .SDcols = score_cols
]
    english_score math_score science_score english_level math_level science_level
 1:             3          4             3       Level C    Level D       Level C
 2:             4          4             4       Level D    Level D       Level D
 3:             3          3             4       Level C    Level C       Level D
 4:             3          4             4       Level C    Level D       Level D
 5:             4          4             3       Level D    Level D       Level C
 6:             3          4             4       Level C    Level D       Level D
 7:             4          3             4       Level D    Level C       Level D
 8:             2          2             3       Level B    Level B       Level C
 9:             4          3             3       Level D    Level C       Level C
10:             2          3             2       Level B    Level C       Level B
11:             3          4             3       Level C    Level D       Level C
12:             3          2             4       Level C    Level B       Level D
13:             2          4             4       Level B    Level D       Level D
14:             2          2             4       Level B    Level B       Level D
15:             3          4             4       Level C    Level D       Level D
16:             4          2             4       Level D    Level B       Level D
17:             3          3             4       Level C    Level C       Level D
18:             3          3             2       Level C    Level C       Level B
19:             4          2             3       Level D    Level B       Level C
20:             3          2             2       Level C    Level B       Level B
21:             4          2             3       Level D    Level B       Level C
22:             3          4             3       Level C    Level D       Level C
23:             2          2             4       Level B    Level B       Level D

Почему by = 1:nrow(orig)?

SamR 03.02.2023 00:19

Поскольку «x» представляет столбец. Мне нужно сгруппировать по строке, чтобы передать каждое отдельное значение x, а не весь вектор.

Jamie 03.02.2023 00:30

@SamR — добавлена ​​опция без необходимости группировки по строке. В любом случае ваше решение чище. Я просто хотел нанести удар по нему

Jamie 03.02.2023 00:42

Мне нравится вариант без группировки. Есть несколько вещей, в которых data.table работает на удивление медленно, и группировка по строкам — одна из них.

SamR 03.02.2023 00:45

@SamR Это не удивительно и не характерно для data.table. Вызовы функций R обходятся дорого, поэтому выполнение их для каждой строки должно быть медленным.

Roland 03.02.2023 09:20

@Roland, это определенно не относится к data.table. Пакет заметно быстрее, чем dplyr или базовый R, поскольку многие команды выполняются более или менее мгновенно на моей машине. Поэтому, когда есть определенные операции, которые требуют времени, я всегда удивляюсь.

SamR 03.02.2023 09:30

Другие вопросы по теме