Розширені агрегації

Опрацювання даних із data.table в R

Matt Dowle, Arun Srinivasan

Instructors, DataCamp

Підсумок

# Той самий приклад, що й раніше
## Форма LHS := RHS
batrips[, c("is_dur_gt_1hour", "week_day") := 
            .(duration > 3600, wday(start_date)]

# Те саме, але у функціональній формі `:=`()
batrips[, `:=`(is_dur_gt_1hour = duration > 3600,
               week_day = wday(start_date))]

# Оновлення за посиланням із by
batrips[, n_zip_code := .N, by = zip_code]

Додавання кількох стовпців за посиланням у групах

# Функціональна форма
batrips[, `:=`(end_dur_first = duration[1], 
               end_dur_last  = duration[.N]),
        by = end_station]

# Форма LHS := RHS
batrips[, c("end_dur_first", 
            "end_dur_last") := list(duration[1], duration[.N]), 
        by = end_station]

batrips[1:5]

   trip_id duration ...        end_station ... end_dur_first end_dur_last 
    139545      435 ...    Townsend at 7th ...           435          660
    139546      432 ...    Townsend at 7th ...           435          660
    139547     1523 ...    Beale at Market ...          1523          229
    139549     1620 ... Powell Street BART ...          1620          540
    139550     1617 ... Powell Street BART ...          1620          540

Бінінг значень

Для кожної унікальної пари start_station і end_station, якщо медіанна тривалість:

менше 600 — «short»
між 600 і 1800 — «medium»
інакше — «long»

Багаторядкові вирази в j

batrips[, trip_category := {
             med_dur = median(duration, na.rm = TRUE)
             if (med_dur < 600) "short"
             else if (med_dur >= 600 & med_dur <= 1800) "medium"
             else "long"
           },
        by = .(start_station, end_station)]
batrips[1:3]

trip_id duration ... zip_code trip_category
 139545      435 ...    94612         short
 139546      432 ...    94107         short
 139547     1523 ...    94112         short

Альтернативний спосіб

bin_median_duration <- function(dur) {
  med_dur <- median(dur, na.rm = TRUE)
  if (med_dur < 600) "short"
  else if (med_dur >= 600 & med_dur <= 1800) "medium"
  else "long"
}

batrips[, trip_category := bin_median_duration(duration), 
           by = .(start_station, end_station)]

Разом: i, j та by

batrips[duration > 500, min_dur_gt_500 := min(duration), 
           by = .(start_station, end_station)]
batrips[1:3]

trip_id duration ... zip_code min_dur_gt_500
 139545      435 ...    94612             NA
 139546      432 ...    94107             NA
 139547     1523 ...    94112            502

Давайте потренуємось!

Опрацювання даних із data.table в R