Несогласованный вывод data.table с использованием apply(.SD, 1, FUN)

apply возвращает матрицу, если каждый результат имеет одинаковую длину, в противном случае список:

apply(z1[,.(a ,b)], 1, unique)

[[1]]
[1] "ARE_2014_HIES_D1_INC_GROUP"

[[2]]
[1] "ARE_2014_HIES_D1_INC_GROUP" "ARE_2015_HIES_D1_INC_GROUP"

apply(z2[, .(a, b), 1, unique)

     [,1]                        [,2]                       
[1,] "ARG_1980_EPH_D2_INC_GROUP" "ARG_1980_EPH_D2_INC_GROUP"
[2,] "ARG_1986_EPH_D2_INC_HIST"  "ARG_1986_EPH_D2_INC_HIST" 

Кроме того, as.list в матрице не дает вам список по столбцам, но вы получаете каждый элемент как элемент списка:

as.list(apply(z2[, .(a, b)], 1, unique))

[[1]]
[1] "ARG_1980_EPH_D2_INC_GROUP"

[[2]]
[1] "ARG_1986_EPH_D2_INC_HIST"

[[3]]
[1] "ARG_1980_EPH_D2_INC_GROUP"

[[4]]
[1] "ARG_1986_EPH_D2_INC_HIST"

отсюда и предупреждение о длине.

Я не совсем уверен, каким должен быть ваш конечный результат, поэтому я не могу дать определенного ответа.

Вы можете попробовать следующий подход:

z1[, cache_id:=list(.(unique(c(a,b)))), 1:nrow(z1)]

и аналогично для z2

Выход:

                            a                          b                                              cache_id
                       <char>                     <char>                                                <list>
1: ARE_2014_HIES_D1_INC_GROUP ARE_2014_HIES_D1_INC_GROUP                            ARE_2014_HIES_D1_INC_GROUP
2: ARE_2014_HIES_D1_INC_GROUP ARE_2015_HIES_D1_INC_GROUP ARE_2014_HIES_D1_INC_GROUP,ARE_2015_HIES_D1_INC_GROUP

Другой подход, который не требует повторения строк, таких как ответ @langtang:

z1[, cache_id := lapply(.mapply(c, .SD, NULL), unique), .SDcols = c("a", "b")
   ][, cache_id := sapply(cache_id, paste, collapse = ", ")]

Спасибо всем за ваши ответы. Они действительно помогли мне, и я узнал больше о apply и data.table. Я выбираю ответ @langtang, потому что он самый быстрый. Тем не менее, большое спасибо @hieu-nguyen за оба решения. Я думаю, что simply = FALSE был ключом к проблеме, но вы указали на это в комментарии, который я не могу выбрать в качестве ответа. Пожалуйста, найдите ниже эталон

library(data.table)


n <- 1e4
x <- sapply(1:n, \(x) sample(letters, 10) |> paste(collapse = ""))
y <- sapply(1:n, \(x) sample(letters, 10) |> paste(collapse = ""))

ni <- sample(1:n, floor(n/10), replace = FALSE)

x[ni] <- y[ni]



z1 <- data.table(a = x, 
                 b = y)

bench <- microbenchmark::microbenchmark(
  times = 30,
  simplify = z1[,
                cache_id := as.list(apply(.SD, 1, unique, simplify = FALSE)),
                .SDcols = c("a", "b")],
  loop_rows = z1[, cache_id:=list(.(unique(c(a,b)))), 1:nrow(z1)], 
  mapply    = z1[, cache_id := lapply(.mapply(c, .SD, NULL), unique), .SDcols = c("a", "b")]
)

bench
#> Unit: milliseconds
#>       expr       min        lq     mean   median       uq      max neval cld
#>   simplify 145.03549 171.67624 209.7165 214.4948 244.1717 268.3255    30 a  
#>  loop_rows  80.62317  98.74864 110.2403 106.6774 122.0016 148.4702    30  b 
#>     mapply 337.39212 409.21162 482.0041 478.9344 544.5397 765.9302    30   c

^{Created on 2023-06-13 with reprex v2.0.2}

Непонятно, почему вы это делаете, и я подозреваю, что мы имеем дело с xy проблемой. В любом случае вам почти никогда не придется перебирать строки data.table. Обычно это проблема дизайна. Если вам действительно нужно это сделать, обратитесь к Rcpp, если это не одноразовое действие или если ваша таблица данных действительно велика.

В любом случае, в конкретном примере вы можете использовать data.table::unique:

library(data.table)
z1 <- data.table(a = c("ARE_2014_HIES_D1_INC_GROUP", "ARE_2014_HIES_D1_INC_GROUP"), 
                b = c("ARE_2014_HIES_D1_INC_GROUP", "ARE_2015_HIES_D1_INC_GROUP"))
z1[, rn := .I]
unique(melt(z1, "rn"), by = c("rn", "value"))
#   rn variable                      value
#1:  1        a ARE_2014_HIES_D1_INC_GROUP
#2:  2        a ARE_2014_HIES_D1_INC_GROUP
#3:  2        b ARE_2015_HIES_D1_INC_GROUP

При необходимости вы можете разделить столбец value на rn и добавить его в таблицу данных. Но опять же, зачем вам это нужно?