10
data.tableの奇妙な振る舞いに気付きました。data.table NaNを扱う際の "list"対 ":="
は、私はこのdata.tableを持って言う:
library(data.table)
DT <- data.table(
C1 = c(rep("A", 4), rep("B",4), rep("C", 4)),
C2 = c(rep("a", 3), rep("b",3), rep("c",3), rep("d",3)),
Val = c(1:5, NaN, NaN, 8,9,10,NaN,12))
DT
C1 C2 Val
1: A a 1
2: A a 2
3: A a 3
4: A b 4
5: B b 5
6: B b NaN
7: B c NaN
8: B c 8
9: C c 9
10: C d 10
11: C d NaN
12: C d 12
さて、私の心には、次の2つの方法が同じ結果を生成する必要がありますが、そうではありません。
TEST1 <- DT[, agg := min(Val, na.rm = TRUE), by = c('C1', 'C2')]
TEST1 <- data.table(unique(TEST1[, c('C1','C2','agg'), with = FALSE]))
TEST2 <- DT[, list(agg = min(Val, na.rm = TRUE)), by = c('C1', 'C2')]
TEST1
C1 C2 agg
1: A a 1
2: A b 4
3: B b 5
4: B c 8
5: C c 9
6: C d 10
TEST2
C1 C2 agg
1: A a 1
2: A b 4
3: B b 5
4: B c NaN
5: C c 9
6: C d 10
あなたが見ることができるように、使用して ":=" とはNaNにリストコマンドの結果に対し8の(C1 = B、C2 = C)の最小値を生成します。NaNも持つ(C1 = B、C2 = b)と(C1 = C、C2 = d)の場合、listコマンドは値を生成します。 これは、与えられたC1 C2の組み合わせの値の前にNaNが最初にある場合にNaNが返されるためです。他の2つの例では、NaNは値の後に来ます。
これはなぜ発生するのですか?
NaNをNAに置き換えると、問題なく値が生成されることに注意してください。
ないアイデアが、 'DT [リスト(AGG =分(.SD $ヴァル、na.rm = TRUE))、=によるC( 'C1'、 'C2')]'も動作 – rawr
またはby =。(C1、C2)] 'ちょっと変わったですが、' dplyr'の同等のステップは変換後に動作します'data.frame'に変換します。 – akrun
あなたは間違いなくバグを報告しなければなりません。私はこれが 'data.table''min'関数の"内部的な "実装によるものだと思っています。 'data.table'演算の中では、' min'、 'max'、' sum'のようないくつかの関数はより速い 'data.table'バージョンに置き換えられます。明示的に 'base'関数を呼び出すと正しい出力が得られます:by = c( 'C1'、 'C2')' DT [、list(agg = base :: min(Val、na.rm = TRUE) )] '。なぜなら、 ':='と組み合わせて使用すると、 'data.table'が' base :: min'に戻ってしまうようなことは考えられません。 – nicola