Integrare i join nel tuo workflow con data.table

Unire i dati con data.table in R

Scott Ritchie

Postdoctoral Researcher in Systems Genomics

Concatenare espressioni data.table

Le espressioni di data.table possono essere concatenate in sequenza:

demographics[...][...]

Forma generale per concatenare un join:

DT1[DT2, on][i, j, by]
    |    |   |  |  |
    |    |   |  |   --> raggruppare per cosa?
    |    |   |   -----> cosa fare?
    |    |    --------> su quali righe?
    |     ------------> colonne chiave del join
     -----------------> fare il join con quale data.table?

Fai il join, poi calcola

customers <- data.table(name   = c("Mark", "Matt", "Angela", "Michelle"), 
                        gender = c("M", "M", "F", "F"), 
                        age    = c(54, 43, 39, 63))
customers

       name gender age
1:     Mark      M  54
2:     Matt      M  43
3:   Angela      F  39
4: Michelle      F  63

Fai il join, poi calcola

purchases <- data.table(name  = c("Mark", "Matt", "Angela", "Michelle"),
                        sales = c(1, 5, 4, 3),
                        spent = c(41.70, 41.78, 50.77, 60.01))
purchases

       name sales spent
1:     Mark     1 41.70
2:     Matt     5 41.78
3:   Angela     4 50.77
4: Michelle     3 60.01

Fai il join, poi calcola

customers[purchases, 
          on = .(name)][sales > 1, 
                        j = .(avg_spent = sum(spent) / sum(sales)), 
                        by = .(gender)]

   gender avg_spent
1:      M  13.91333
2:      F  20.00333

Calcoli con i join

Calcoli con i join:

DT1[DT2, on, j]
    |    |   | 
    |    |    ----> cosa fare sul risultato del join?
    |     --------> quali colonne usare come chiavi? 
     -------------> fare il join con quale data.table?

Efficiente per data.table grandi!

Join e creazione di colonne

La creazione di colonne avviene nella data.table principale:

customers[purchases, on = .(name), return_customer := sales > 1]
customers

       name gender age return_customer
1:     Mark      M  54           FALSE
2:     Matt      M  43            TRUE
3:   Angela      F  39            TRUE
4: Michelle      F  63            TRUE

Raggruppare per corrispondenze

by = .EACHI raggruppa j per ogni riga di DT2

DT1[DT2, on, j, by = .EACHI]
    |    |   |  |
    |    |   |   --> raggruppato per ogni corrispondenza in DT1.
    |    |    -----> cosa fare sul risultato del join?
    |     ---------> quali colonne usare come chiavi? 
     --------------> fare il join con quale data.table?

Raggruppare per corrispondenze

shipping[customers, on = .(name), 
         j = .("# of shipping addresses" = .N),
         by = .EACHI]

Raggruppare per colonne con i join

Raggruppare per colonne in by limita i calcoli alla data.table principale:

DT1[DT2, on, j, by]
    |    |   |  |
    |    |   |   --> raggruppato per quali colonne in DT1?
    |    |    -----> cosa fare sulle colonne di DT1?
    |     ---------> quali colonne usare come chiavi? 
     --------------> fare il join con quale data.table?

Raggruppare per colonne con i join

Fai il join e calcola per gruppo in customers:

customers[shipping, on = .(name), 
          .(avg_age = mean(age)), by = .(gender)]

   gender  avg_age
1:      M 46.66667
2:      F 39.00000

Esercitiamoci!

Unire i dati con data.table in R