根据包含列名的变量从不同列中选择值 [英] Select values from different columns based on a variable containing column names

问题描述

我有一个这样的 data.table:

I have a data.table like this:

col1   col2   col3  new  
1       4     55    col1 
2       3     44    col2
3       34    35    col2
4       44    87    col3

我想填充另一列 matched_value，其中包含 new 列中给出的相应列名中的值:

I want to populate another column matched_value that contains the values from the respective column names given in the new column:

col1   col2   col3  new    matched_value
1       4     55    col1        1
2       3     44    col2        3
3       34    35    col2        34
4       44    87    col3        87 

例如，在第一行中，new 的值为 "col1"，因此 matched_value 取 col1 中的值，即 1.

E.g., in the first row, the value of new is "col1" so matched_value takes the value from col1, which is 1.

如何在 R 中对非常大的 data.table 有效地执行此操作?

How can I do this efficiently in R on a very large data.table?

推荐答案

借口使用不起眼的.BY:

DT[, newval := .SD[[.BY[[1]]]], by=new]

   col1 col2 col3  new newval
1:    1    4   55 col1      1
2:    2    3   44 col2      3
3:    3   34   35 col2     34
4:    4   44   87 col3     87

它是如何工作的. 这会根据 new 中的字符串将数据分成组.每个组的字符串值存储在 newname = .BY[[1]] 中.我们使用这个字符串通过.SD[[newname]]选择.SD的对应列..SD 代表 SData 的子集.

How it works. This splits the data into groups based on the strings in new. The value of the string for each group is stored in newname = .BY[[1]]. We use this string to select the corresponding column of .SD via .SD[[newname]]. .SD stands for Subset of Data.

Alternatives. get(.BY[[1]]) 应该可以代替 .SD[[.BY[[1]]]].根据@David 运行的基准测试，这两种方法同样快.

Alternatives. get(.BY[[1]]) should work just as well in place of .SD[[.BY[[1]]]]. According to a benchmark run by @David, the two ways are equally fast.

这篇关于根据包含列名的变量从不同列中选择值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！