Was sind die Einschränkungen für die Spaltenklassen in Data.table?

Question

AKTUALISIEREN Dieses Problem ist für nicht mehr relevant für data.table Versionen 1.8.0 und höher. Aus der Nachrichtendatei:

Zeichenspalten sind jetzt in Schlüssel zulässig und werden bevorzugt, um faktorisch zu fördern. Data.Table () und setKey () zwingen den Charakter nicht mehr zum Faktor. Faktoren werden immer noch unterstützt. Implementiert FR#1493, FR#1224 und (teilweise) FR#951.

Originalfrage

Ich versuche, zwei Daten beizutreten. Der Erfolg des Join hängt jedoch von den Klassen der Spalten ab, mit denen ich die Daten entspricht. Genauer gesagt, es scheint, dass die Spalten nicht die Klasse "Charakter" haben sollten. Ich verstehe den Grund nicht ganz, aber ich bin sicher, dass ich hier etwas offensichtliches fehlt. HILFE wird also sehr geschätzt.

Hier ist ein Beispiel:

#Objective: Select all rows from DT for which Region=="US", Year >= 5 & Year<=8, Cat="A"                 
library(data.table)
#Set-up data.table DT
DT <- data.table(Year=1:20, value=rnorm(20), Region=c(rep("US", 10), rep("EU", 10)),     Cat=c(rep("A", 7), rep("B", 7), rep("C", 6)))
setkey(DT, Region, Cat, Year)
#Set-up data.table int_DT to join with DT
years   <- 5:8
df      <- data.frame(Region=c("US", "EU"), Categ=c("A", "B"))
int_DT <- J(cbind(df[1, ], years))
#Join them: Works like a charm!
DT[int_DT]

#Let's assume that for any reason the columns in df are of class "character"
df$Region <- as.character(df$Region)
df$Categ  <- as.character(df$Categ)
#Rebuild int_DT
int_DT    <- J(cbind(df[1, ], years))
DT[int_DT]    
#Error in `[.data.table`(DT, int_DT) : 
#  unsorted column Region of i is not internally type integer.

#OK, maybe the problem is that the column classes in DT are factors, so change those:
DT[, Cat:=as.character(Cat)]
DT[, Region:=as.character(Region)]

DT[int_DT]
#Error in `[.data.table`(DT, int_DT) : 
#  When i is a data.table, x must be sorted to avoid a vector scan of x per row of i

Funktioniert immer noch nicht. Wieso den? Was ist die Einschränkung? Was vermisse ich? Zusätzlich Informationen: Ich verwende data.table 1.6.6 und r Version 2.13.2 (2011-09-30) auf der Plattform: x86_64-pc-linux-gnu (64-Bit).

Answer 1

Sie benötigen keine Join -Operation, um Ihre gewünschten Ergebnisse zu erzielen. Du sagtest:'Ziel: Wählen Sie alle Zeilen aus DT aus, für welche Region == "US", Jahr> = 5 & Jahr <= 8, cat = "a"' '

DT[Region=="US" & Year>=5 & Year <= 8 & Categ=="A"]
     Year       value Region Categ
[1,]    5 -0.18631697     US     A
[2,]    6  1.40059083     US     A
[3,]    7  0.01848557     US     A

---

Aber um Ihre Frage zu Spaltenklassen zu beantworten. Ich habe es geschafft, diesen Code zum Laufen zu bringen, was Ihren obigen Code im Wesentlichen widerspiegelt:

> setkey(DT, Region, Categ, Year)
> df      <- data.frame(Region=c("US", "EU"), Categ=c("A", "B"))
> dt2 <- data.table(data.frame(df[1, ], Year=5:8))
Warning message:
In data.frame(df[1, ], Year = 5:8) :
  row names were found from a short variable and have been discarded
> dt1[dt2]
     Region Categ Year      value
[1,]     US     A    5 -0.5565422
[2,]     US     A    6 -0.1805841
[3,]     US     A    7  1.4474403
[4,]     US     A    8         NA

---

Das gleiche mit Spaltenklassen von character:

df$Region <- as.character(df$Region)
df$Categ  <- as.character(df$Categ)
#Rebuild int_DT
dt2    <- J(cbind(df[1, ], Year=5:8))

Warning message:
In data.frame(..., check.names = FALSE) :
  row names were found from a short variable and have been discarded

setkey(dt2, Region)
dt1[dt2]
   Region Year       value Categ Categ.1 Year.1
       US    1  1.20152558     A       A      5
       US    2  1.89391079     A       A      5
       US    3 -1.76022634     A       A      5
       US    4  0.92454680     A       A      5
       US    5 -0.55654217     A       A      5
       ...
       snip 
       ...
       US    9  0.67936243     B       A      8
       US   10 -0.09355764     B       A      8