Concatenarea data.tables

Îmbinarea datelor cu data.table în R

Scott Ritchie

Postdoctoral Researcher in Systems Genomics

Aceleași coloane, `data.tables` diferite

Concatenarea data.tables

Îmbinarea datelor cu data.table în R

Funcții de concatenare

rbind(): concatenează rânduri din data.tables stocate în variabile diferite

rbindlist(): concatenează rânduri dintr-o list de data.tables

Îmbinarea datelor cu data.table în R

Funcția rbind()

Concatenarea a două sau mai multe data.tables stocate ca variabile

# ... acceptă orice număr de argumente
rbind(...) 
rbind(sales_2015, sales_2016)

   quarter  amount
1:       1 3200100
2:       2 2950000
3:       3 2980700
4:       4 3420000
5:       1 3350000
6:       2 3000300
7:       3 3120200
8:       4 3670000
Îmbinarea datelor cu data.table în R

Adăugarea unei coloane de identificare

Argumentul idcol adaugă o coloană care indică data.table-ul de origine

rbind("2015" = sales_2015, "2016" = sales_2016, idcol = "year")

   year quarter  amount
1: 2015       1 3200100
2: 2015       2 2950000
3: 2015       3 2980700
4: 2015       4 3420000
5: 2016       1 3350000
6: 2016       2 3000300
7: 2016       3 3120200
8: 2016       4 3670000
Îmbinarea datelor cu data.table în R

Adăugarea unei coloane de identificare

rbind(sales_2015, sales_2016, idcol = "year")

   year quarter  amount
1:    1       1 3200100
2:    1       2 2950000
3:    1       3 2980700
4:    1       4 3420000
5:    2       1 3350000
6:    2       2 3000300
7:    2       3 3120200
8:    2       4 3670000
Îmbinarea datelor cu data.table în R

Adăugarea unei coloane de identificare

rbind(sales_2015, sales_2016, idcol = TRUE)

   .id quarter  amount
1:   1       1 3200100
2:   1       2 2950000
3:   1       3 2980700
4:   1       4 3420000
5:   2       1 3350000
6:   2       2 3000300
7:   2       3 3120200
8:   2       4 3670000
Îmbinarea datelor cu data.table în R

Gestionarea coloanelor lipsă

rbind("2015" = sales_2015, "2016" = sales_2016, idcol = "year", 
      fill = TRUE)

Îmbinarea datelor cu data.table în R

Gestionarea coloanelor lipsă

rbind(sales_2015, sales_2016, idcol = "year")

Error in rbindlist(l, use.names, fill, idcol) : 
  Item 2 has 3 columns, inconsistent with item 1 which has 2 columns. 
  If instead you need to fill missing columns, use set argument 'fill' 
  to TRUE.
Îmbinarea datelor cu data.table în R

Funcția rbindlist()

Concatenarea rândurilor dintr-o list de data.tables

# Citirea unei liste de data.tables
table_files <- c("sales_2015.csv", "sales_2016.csv")
list_of_tables <- lapply(table_files, fread)
rbindlist(list_of_tables)

   quarter  amount
1:       1 3200100
2:       2 2950000
3:       3 2980700
4:       4 3420000
5:       1 3350000
6:       2 3000300
7:       3 3120200
8:       4 3670000
Îmbinarea datelor cu data.table în R

Adăugarea unei coloane de identificare

Argumentul idcol preia numele din lista de intrare

names(list_of_tables) <- c("2015", "2016")
rbindlist(list_of_tables, idcol = "year")

   year quarter  amount
1: 2015       1 3200100
2: 2015       2 2950000
3: 2015       3 2980700
4: 2015       4 3420000
5: 2016       1 3350000
6: 2016       2 3000300
7: 2016       3 3120200
8: 2016       4 3670000
Îmbinarea datelor cu data.table în R

Gestionarea ordinii diferite a coloanelor

rbind("2015" = sales_2015, "2016" = sales_2016, idcol = "year", 
      use.names = TRUE)

Îmbinarea datelor cu data.table în R

`data.tables` cu nume de coloane diferite

rbind("2015" = sales_2015, "2016" = sales_2016, idcol = "year", 
      use.names = FALSE)

Îmbinarea datelor cu data.table în R

Riscurile utilizării `use.names = FALSE`

rbind("2015" = sales_2015, "2016" = sales_2016, idcol = "year", 
      use.names = FALSE)

Îmbinarea datelor cu data.table în R

Valori implicite diferite

  • Valoarea implicită pentru rbind() este use.names = TRUE
  • Valoarea implicită pentru rbindlist() este use.names = FALSE, cu excepția cazului în care fill = TRUE.
Îmbinarea datelor cu data.table în R

Să exersăm!

Îmbinarea datelor cu data.table în R

Preparing Video For Download...