Preguntas etiquetadas con data.table

Visión general Estoy relativamente familiarizado data.table, no tanto dplyr. He leído algunas dplyrviñetas y ejemplos que han aparecido en SO, y hasta ahora mis conclusiones son que: data.tabley dplyrson comparables en velocidad, excepto cuando hay muchos (es decir,> 10-100K) grupos, y en...

Para deshacerme de una columna llamada "foo" en un data.frame, puedo hacer: df <- df[-grep('foo', colnames(df))] Sin embargo, una vez dfse convierte en undata.table objeto, no hay forma de eliminar una columna. Ejemplo: df <- data.frame(id = 1:100, foo = rnorm(100)) df2 <-...

Tengo un pequeño problema para comprender las propiedades de paso por referencia de data.table. Algunas operaciones parecen "romper" la referencia, y me gustaría entender exactamente lo que está sucediendo. Al crear un archivo data.tabledesde otro data.table(vía <-, y luego actualizar la nueva...

.SDparece útil pero realmente no sé qué estoy haciendo con él. Que significa? ¿Por qué hay un período anterior (punto final)? ¿Qué sucede cuando lo uso? Leí: .SDes un que data.tablecontiene el subconjunto de xdatos de cada grupo, excluyendo las columnas del grupo. Se puede usar al agrupar por i,...

Recientemente me encontré con la biblioteca de pandas para Python, que según este punto de referencia realiza fusiones en memoria muy rápidas. Es incluso más rápido que el paquete data.table en R (mi lenguaje de elección para el análisis). ¿Por qué es pandasmucho más rápido que data.table? ¿Se...

A partir de una trama de datos, hay una manera fácil de agregar ( sum, mean, maxet c) múltiples variables simultáneamente? A continuación se presentan algunos datos de muestra: library(lubridate) days = 365*2 date = seq(as.Date("2000-01-01"), length = days, by = "day") year = year(date) month =...

Tengo una gran tabla de datos , con muchos valores perdidos dispersos en sus ~ 200k filas y 200 columnas. Me gustaría volver a codificar esos valores de NA a ceros de la manera más eficiente posible. Veo dos opciones: 1: convertir a data.frame y usar algo como esto 2: algún tipo de comando de...

Mi pregunta está relacionada con la asignación por referencia versus la copia en data.table. Quiero saber si uno puede eliminar filas por referencia, similar a DT[ , someCol := NULL] Quiero saber sobre DT[someRow := NULL, ] Supongo que hay una buena razón por la cual esta función no existe, por...

¿Cómo podemos seleccionar múltiples columnas usando un vector de sus índices numéricos (posición) en data.table? Así es como lo haríamos con un data.frame: df <- data.frame(a = 1, b = 2, c = 3) df[ , 2:3] # b c # 1 2

En un data.frame (o data.table), me gustaría "completar" NA con el valor anterior que no sea NA más cercano. Un ejemplo simple, el uso de vectores (en lugar de a data.frame) es el siguiente: > y <- c(NA, 2, 2, NA, NA, 3, NA, 4, NA, NA) Me gustaría una función fill.NAs()que me permita...

Estoy revisando la documentación data.tabley también noté de algunas de las conversaciones aquí sobre SO que rbindlistse supone que es mejor que rbind. Me gustaría saber por qué es rbindlistmejor rbindy en qué escenarios rbindlistrealmente sobresale rbind. ¿Hay alguna ventaja en términos de...

¿Cuál es la mejor manera de asignar a múltiples columnas usando data.table? Por ejemplo: f <- function(x) {c("hi", "hello")} x <- data.table(id = 1:10) Me gustaría hacer algo como esto (por supuesto, esta sintaxis es incorrecta): x[ , (col1, col2) := f(), by = "id"] Y para extender eso,...

Digamos que tengo lo siguiente data.tableen R: library(data.table) DT = data.table(x=rep(c("b","a","c"),each=3), y=c(1,3,6), v=1:9) Quiero ordenarlo por dos columnas (digamos columnas xy v). Usé esto: DT[order(x,v)] # sorts first by x then by v (both in ascending order) Pero ahora, quiero...

Esta es una pregunta un poco filosófica sobre la sintaxis de unión de data.table. Estoy encontrando cada vez más usos para data.tables, pero sigo aprendiendo ... El formato X[Y]de combinación para data.tables es muy conciso, práctico y eficiente, pero hasta donde yo sé, solo admite combinaciones...

Tengo un problema al usar data.table: ¿Cómo convierto clases de columna? Aquí hay un ejemplo simple: con data.frame no tengo problemas para convertirlo, con data.table simplemente no sé cómo: df <- data.frame(ID=c(rep("A", 5), rep("B",5)), Quarter=c(1:5, 1:5), value=rnorm(10)) #One way:...

Me gustaría columnas de reabastecimiento en mi data.table x, dado un vector de caracteres de nombres de columna, neworder: library(data.table) x <- data.table(a = 1:3, b = 3:1, c = runif(3)) neworder <- c("c", "b", "a") Obviamente podría hacer: x[ , neworder, with = FALSE] # or x[ ,...

Estoy usando data.table y hay muchas funciones que requieren que establezca una clave (por ejemplo X[Y]). Como tal, deseo comprender qué hace una clave para configurar correctamente las claves en mis tablas de datos. Una fuente que leí fue ?setkey. setkey()ordena un data.tabley lo marca como...

En R, tengo una operación que crea algunos Infvalores cuando transformo un marco de datos. Me gustaría convertir estos Infvalores en NAvalores. El código que tengo es lento para datos grandes, ¿hay alguna forma más rápida de hacer esto? Digamos que tengo el siguiente marco de datos: dat <-...

Por ejemplo (aunque no estoy seguro si es el ejemplo más representativo): N <- 1e6 d1 <- data.frame(x=sample(N,N), y1=rnorm(N)) d2 <- data.frame(x=sample(N,N), y2=rnorm(N)) Esto es lo que tengo hasta ahora: d <- merge(d1,d2) # 7.6 sec library(plyr) d <- join(d1,d2) # 2.9...

Aquí hay un marco de datos de muestra: d <- data.frame( x = runif(90), grp = gl(3, 30) ) Quiero que el subconjunto dcontenga las filas con los 5 valores superiores de xpara cada valor de grp. Usando base-R, mi enfoque sería algo como: ordered <- d[order(d$x, decreasing = TRUE), ]...