Data.table: समान कॉलम द्वारा समुच्चय और समूहन करते समय गलत योग?

को निर्मित 10 अक्तू॰ 2018 · 4टिप्पणियाँ · स्रोत: Rdatatable/data.table

नमस्कार। जब मैं एक ही कॉलम पर एकत्रित और समूहीकरण कर रहा हूं, तो डेटा के व्यवहार से मैं भ्रमित हूं। यह समूहीकृत डेटा के बजाय समूहीकृत डेटा पर कुल (जैसे योग) प्रदर्शन करने लगता है। मैं जरूरी नहीं कह रहा हूं कि यह गलत है - लेकिन यह अन्य उपकरणों के लिए अलग है और मैं सोच रहा था कि स्पष्टीकरण क्या है या क्या मैं कुछ गलत कर रहा हूं (या संभवतः यदि यह एक बग है)। मैंने dplyr की तुलना में शामिल किया है, जो अधिक प्रदर्शन करता है जैसे मैं अपेक्षा करता हूं (और SQL की तरह)। नायब: मैंने अनुरोध किए गए मुद्दों, स्टैकओवरफ़्लो, आदि की खोज करने की कोशिश की है, लेकिन इस परिदृश्य की प्रकृति (एक ही कॉलम को समूहीकृत करना और एकत्र करना) थोड़ा अनूठा है और मुझे कोई मैच नहीं मिला है।

# Minimal reproducible example

कृपया नीचे दिए गए दो उदाहरणों में कुल कॉलम की तुलना करें। उदाहरण के लिए मूल्य तीन के साथ तीन पंक्तियाँ हैं, इसलिए मुझे कुल 9 होने की उम्मीद है, 3 नहीं।

डेटा तालिका

library(data.table)
df <- data.frame(SomeNumber=c(1,2,3,1,2,3,1,2,3))
dt <- data.table(df)
r <- dt[, .(.N, Total=sum(SomeNumber)), by=SomeNumber]

परिणाम (आर):

   SomeNumber N Total
1:          1 3     1
2:          2 3     2
3:          3 3     3

दुत्कार

library(dplyr)
df <- data.frame(SomeNumber=c(1,2,3,1,2,3,1,2,3))
r <- df %>% group_by(SomeNumber) %>% 
  summarise(N=n(), Total=sum(SomeNumber)) %>%
  ungroup()

परिणाम (आर):

   SomeNumber N Total
1:          1 3     3
2:          2 3     6
3:          3 3     9

# Output of sessionInfo()
आर संस्करण 3.5.1 (2018-07-02)
प्लेटफ़ॉर्म: x86_64-w64-mingw32 / x64 (६४-बिट)
के तहत चल रहा है: विंडोज> = 8 x64 (9200 का निर्माण)

मैट्रिक्स उत्पाद: डिफ़ॉल्ट

स्थान:
[१] LC_COLLATE = English_United Kingdom.1252 LC_CTYPE = English_United Kingdom.1252 LC_MONETARY = English_United Kingdom.1252
[४] LC_NUMERIC = C LC_TIME = अंग्रेजी_संशोधित किंगडम ।१५२

संलग्न आधार पैकेज:
[1] आँकड़े ग्राफिक्स grDevices बर्तन डेटा बेस का उपयोग करता है

अन्य संलग्न पैकेज:
[१] dplyr_0.7.6 data.table_1.11.8 openxlsx_4.1.0 bindrcpp_0.2.2 pivottabler_0.4.0.9000

एक नाम स्थान (और संलग्न नहीं) के माध्यम से लोड:
[१] Rcpp_0.12.19 rstudioapi_0.8 bindr_0.1.1 magrittr_1.5 tidyselect_0.2.4 R6_2.3.0 rlang_0.2.2 fansi_0.0.0 टूल_3.5.1
10
[१ ९] purrr_0.2.5 htmlwidgets_1.3 गोंद_1.3.0 कंपाइलर_3.5.1 पिलर_1.3.0 jsonlite_1.5 pkgconfig_2.0.2

bug question

स्रोत

cbailiss

सबसे उपयोगी टिप्पणी

FAQ के लिए उत्तर और सूचक के लिए @ franknarf1 और @jangorecki धन्यवाद।
एफएक्यू उत्तर को पढ़ने और थोड़ा अधिक परीक्षण करने के बाद, ऐसा लगता है कि आपको ग्रुपिंग चर का उपयोग करने में बहुत सावधानी बरतनी होगी, क्योंकि समान डेटा वाले विभिन्न स्तंभों पर एकत्र करने से परिणाम भिन्न हो सकते हैं, यह इस बात पर निर्भर करता है कि ग्रुपिंग के लिए क्या उपयोग किया गया था। मुझे अब भी यह अजीब और थोड़ा अजीब लगता है लेकिन शायद यह सिर्फ कुछ है जिसकी मुझे आदत है।

उदाहरण:

library(data.table)
df <- data.frame(SomeNumberA=c(1,1,1),SomeNumberB=c(1,1,1))
dt <- data.table(df)
r <- dt[, .(.N, TotalA=sum(SomeNumberA)), by=SomeNumberA]

उपरोक्त का परिणाम: TotalA = 1

library(data.table)
df <- data.frame(SomeNumberA=c(1,1,1),SomeNumberB=c(1,1,1))
dt <- data.table(df)
r <- dt[, .(.N, TotalB=sum(SomeNumberB)), by=SomeNumberA]

उपरोक्त का परिणाम: TotalB = 3

library(data.table)
df <- data.frame(SomeNumberA=c(1,1,1),SomeNumberB=c(1,1,1))
dt <- data.table(df)
r <- dt[, .(.N, TotalA=sum(SomeNumberA), TotalB=sum(SomeNumberB)), by=SomeNumberA]

कोई परिणाम नहीं, त्रुटि के साथ निष्पादित करने में विफल :
Gsum (SomeNumberA) में त्रुटि: ऑब्जेक्ट 'SomeNumberA' नहीं मिला

cbailiss 11 अक्तू॰ 2018

👍3

सभी 4 टिप्पणियाँ

यह अन्य उपकरणों के लिए अलग है और मैं सोच रहा था कि स्पष्टीकरण क्या है या क्या मैं कुछ गलत कर रहा हूं (या संभवतः यह एक बग है)। मैंने dplyr की तुलना में शामिल किया है, जो मेरी अपेक्षा से अधिक प्रदर्शन करता है (और SQL की तरह अधिक)

j DT[, j, by] , by में कॉलम 1. की लंबाई है। आप .N*SomeNumber की तरह उस गणना कर सकते हैं, हालांकि:

dt[, .(.N, Total=.N*SomeNumber), by=SomeNumber]
# or, for efficiency with GForce...
dt[, .(.N), by=SomeNumber][, Total := N*SomeNumber][]

एक तर्क के लिए, प्रश्न देखें "प्रत्येक समूह के अंदर, समूह चर लंबाई -1 क्यों हैं?" FAQ के अंदर vignette("datatable-faq") या https://github.com/Rdatatable/data.table/wiki/Getting-started

franknarf1 11 अक्तू॰ 2018

उदाहरण:

library(data.table)
df <- data.frame(SomeNumberA=c(1,1,1),SomeNumberB=c(1,1,1))
dt <- data.table(df)
r <- dt[, .(.N, TotalA=sum(SomeNumberA)), by=SomeNumberA]

उपरोक्त का परिणाम: TotalA = 1

library(data.table)
df <- data.frame(SomeNumberA=c(1,1,1),SomeNumberB=c(1,1,1))
dt <- data.table(df)
r <- dt[, .(.N, TotalB=sum(SomeNumberB)), by=SomeNumberA]

उपरोक्त का परिणाम: TotalB = 3

library(data.table)
df <- data.frame(SomeNumberA=c(1,1,1),SomeNumberB=c(1,1,1))
dt <- data.table(df)
r <- dt[, .(.N, TotalA=sum(SomeNumberA), TotalB=sum(SomeNumberB)), by=SomeNumberA]

cbailiss 11 अक्तू॰ 2018

👍3

पिछले एक बग है ...

MichaelChirico 11 अक्तू॰ 2018

निश्चित नहीं है कि यह data.table के समूहीकरण / एकत्रीकरण विधि की एक बारीकियों है, लेकिन जब एकल चर data.table द्वारा समूहीकरण और समुच्चय समूहबद्धता को कॉल नहीं करता है।

अर्थात यह प्रत्येक संख्या को गिनता है क्योंकि एकत्रीकरण के बाद यह स्वयं का समूह है, इसलिए आपके मामले में आपको मूल 9 के बजाय केवल 3 SomeNumber चर के साथ छोड़ दिया जाता है।

प्रारंभिक समूहन कॉल के भीतर कारक सुनिश्चित करना त्वरित और आसान तय है।

library(data.table)

df <- data.frame(SomeNumber=c(1, 2, 3, 1, 2, 3, 1, 2, 3))

dt <- data.table(df)

r <- dt[, .(.N, Total = sum(SomeNumber)), by = as.factor(SomeNumber)]

   as.factor N Total
1:         1 3     3
2:         2 3     6
3:         3 3     9

geofflazzarini 16 नव॰ 2018

👍2

क्या यह पृष्ठ उपयोगी था?

0 / 5 - 0 रेटिंग्स

Data.table: समान कॉलम द्वारा समुच्चय और समूहन करते समय गलत योग?

सबसे उपयोगी टिप्पणी

सभी 4 टिप्पणियाँ

संबंधित मुद्दों