Data.table: GForce `:=` के साथ भी काम करने में सक्षम होना चाहिए।

SO पर

actions = data.table(User_id = c("Carl","Carl","Carl","Lisa","Moe"),
                     category = c(1,1,2,2,1),
                     value= c(10,20,30,40,50))
users = actions[, other_var := 1, by=User_id]

# verbose says: the following is not optimized
users[, value_one := 0 ]
users[actions[category==1], value_one := sum(value), on="User_id", by=.EACHI, verbose=TRUE]

# verbose says: the following is optimized
rbind( 
    actions[category==1], 
    unique(actions[,"User_id", with=FALSE])[, value := 0 ],
fill=TRUE)[, sum(value), by=User_id, verbose=TRUE]

मेरे लिए, पहला तरीका मुहावरेदार दिखता है, यह देखते हुए कि चर को अंत में users में समाप्त होना चाहिए।

दूसरा: https://stackoverflow.com/a/47338118/ (gtail)

एक और https://stackoverflow.com/a/51569126/ मुझे लगता है कि DT[, mx := max(pt), by=Subject][, diff := mx - pt][] करना चाहिए

एक और, विशेष रूप से स्मृति प्रदर्शन में रुचि: https://stackoverflow.com/q/52189712 "data.table संदर्भ शब्दार्थ: सभी स्तंभों के माध्यम से पुनरावृति का स्मृति उपयोग"

दूसरा, scale / कई चरों को कम करना चाहता है: https://stackoverflow.com/q/52528123

एक और समूह द्वारा एक सबसेटिंग स्थिति के साथ अधिकतम लेना और := के साथ जोड़ना (अक्रुन का उत्तर देखें) https://stackoverflow.com/a/54911855/ भी #971 के पहले से पूर्ण भाग से संबंधित है

बस इस बात पर जोर देना चाहता था कि इसे सक्षम करने से जटिल अभिव्यक्तियों के लिए प्रभावी ढंग से GForce का उपयोग करने की अनुमति मिल सकती है, हालांकि कुछ काम के साथ। उदाहरण के लिए मैं इस पोस्ट में दिखाता हूं कि इसे कैसे सक्षम किया जाए:

slope <- function(x, y) {
  x_ux <- x - mean(x)
  uy <- mean(y)
  sum(x_ux * (y - uy)) / sum(x_ux ^ 2)
}

ऐसा करके:

DT <- data.table(grp, x, y)
setkey(DT, grp)
DTsum <- DT[, .(ux=mean(x), uy=mean(y)), keyby=grp]
DT[DTsum, `:=`(x_ux=x - ux, y_uy=y - uy)]
DT[, `:=`(x_ux.y_uy=x_ux * y_uy, x_ux2=x_ux^2)]
DTsum <- DT[, .(x_ux.y_uy=sum(x_ux.y_uy), x_ux2=sum(x_ux2)), keyby=grp]
res.slope.dt2 <- DTsum[, .(grp, V1=x_ux.y_uy / x_ux2)]

जबकि अगर GForce को := में समर्थन दिया जाता तो हम यह कर सकते थे:

DT <- data.table(grp, x, y)
DT[, `:=`(ux=mean(x), uy=mean(y)), keyby=grp]
DT[, `:=`(x_ux=x - ux, y_uy=y - uy)]
DT[, `:=`(x_ux.y_uy=x_ux * y_uy, x_ux2=x_ux^2)]
DTsum <- DT[, .(x_ux.y_uy=sum(x_ux.y_uy), x_ux2=sum(x_ux2)), keyby=grp]
res.slope.dt3 <- DTsum[, .(grp, x_ux.y_uy/x_ux2)]

जो साफ दिखता है और तेज होना चाहिए।

@MichaelChirico के साथ चर्चा कराया है:

>   DT <- data.table(x, y, grp)
>   DT[, .(x, mean(x)), keyby=grp]
Detected that j uses these columns: x 
Finding groups using forderv ... 1.049s elapsed (0.946s cpu) 
Finding group sizes from the positions (can be avoided to save RAM) ... 0.011s elapsed (0.011s cpu) 
lapply optimization is on, j unchanged as 'list(x, mean(x))'
GForce is on, left j unchanged
Old mean optimization changed j from 'list(x, mean(x))' to 'list(x, .External(Cfastmean, x, FALSE))'
Making each group and running j (GForce FALSE) ... 
  collecting discontiguous groups took 1.293s for 999953 groups
  eval(j) took 1.860s for 999953 calls
5.517s elapsed (3.862s cpu) 
              grp         x        V2
       1:       1 0.2151365 0.5512966
       2:       1 0.5358256 0.5512966
       3:       1 0.8496598 0.5512966
       4:       1 0.8480730 0.5512966
       5:       1 0.3464458 0.5512966
      ---                            
 9999996: 1000000 0.2601940 0.5474986
 9999997: 1000000 0.7940921 0.5474986
 9999998: 1000000 0.3825493 0.5474986
 9999999: 1000000 0.1786861 0.5474986
10000000: 1000000 0.9179119 0.5474986

#523 से क्रॉस लिंकिंग।