Concaténer des data.tables

Jointure de données avec data.table en R

Scott Ritchie

Postdoctoral Researcher in Systems Genomics

Mêmes colonnes, différents data.tables

Concaténer des data.tables

Fonctions de concaténation

rbind() : concatène les lignes de data.tables stockés dans différentes variables

rbindlist() : concatène les lignes d'une list de data.tables

La fonction rbind()

Concaténer deux data.tables ou plus stockés comme variables

# ... accepte un nombre quelconque d'arguments
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

Ajouter une colonne d'identifiant

L'argument idcol ajoute une colonne indiquant le data.table d'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

Ajouter une colonne d'identifiant

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

Ajouter une colonne d'identifiant

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

Gérer les colonnes manquantes

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

Gérer les colonnes manquantes

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.

La fonction rbindlist()

Concaténer les lignes d'une list de data.tables

# Lire une 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

Ajouter une colonne d'identifiant

L'argument idcol reprend les noms de la liste d'entrée

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

Gérer des ordres de colonnes différents

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

`data.tables` avec des noms de colonnes différents

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

Pièges de `use.names = FALSE`

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

Valeurs par défaut différentes

Par défaut, rbind() utilise use.names = TRUE.
Par défaut, rbindlist() utilise use.names = FALSE, sauf si fill = TRUE.

Passons à la pratique !

Jointure de données avec data.table en R