Manipulation de data.table

Bonjour,

Je souhaite filtrer une data.table, ajouter une variable et conserver toutes les variables en une seule opération.

Si on a une data table qui contient var1 var2 var3

DT[var1>1,var4:=var1+var2] ne supprime pas de lignes
DT[var1>1,.(var4=var1+var2)] supprime les autres colonnes
DT[var1>1,.(var4=var1+var2,var1,var2,var3)] fonctionne mais ça peut être long à écrire si on a des dizaines de variables :calim2:

On peut résoudre ce type de problème de pleins de façons mais je cherchais une solution de type :

Code:

---

DT[var1>1,.(var4=var1+var2,_ALL_)]

---

Pour l'instant j.ai surtout réussi à enchaîner les messages d'erreurs....

Merci pour votre aide

Pour qu'on te réponde, il est impératif que tu expliques ta syntaxe qui n'est pas celle de R.

Citation:

---

Envoyé par faubry

Pour qu'on te réponde, il est impératif que tu expliques ta syntaxe qui n'est pas celle de R.

---

Il manque en effet le début du code

Code:

---

1 2 3 4 5

var1=c(1,2,3,4,5) var2=c(2,4,6,8,10) var3=c(2,2,2,2,2) DT=data .table(var1,var2,var3) DT[var1>1,.(var4=var1+var2,var1,var2,var3)]

---

Le code ci-dessus fonctionne.
Mon problème, c'est que je travaille sur des tables qui contiennent des dizaines de varibles et que cela peut-être très long de lister toutes les variables de la table dans l'instruction DT[var1>1,.(var4=var1+var2,var1,var2,var3)]

Que signifient ces lignes ?

Code:

---

1 2 3 4 5 6

DT[var1>1,var4:=var1+var2] ne supprime pas de lignes DT[var1>1,.(var4=var1+var2)] supprime les autres colonnes DT[var1>1,.(var4=var1+var2,var1,var2,var3)] fonctionne mais ça peut être long à écrire si on a des dizaines de variables   On peut résoudre ce type de problème de pleins de façons mais je cherchais une solution de type : DT[var1>1,.(var4=var1+var2,_ALL_)]

---

car var4:=var1+var2 n'est pas du R
et .(var4=var1+var2) ou .(var4=var1+var2,var1,var2,var3) non plus.
_ALL_ n'est pas non plus un mot clé de R.

Donc, en clair que cherches-tu à faire ?

En fait, Oliver78 a oublié de préciser qu'il fallait charger d'abord le Package "data.table" avec la commande:

Code:

---

library(data.table)

---

Je ne connais pas du tout ce Package mais j'avoue que la syntaxe utilisée est très étrange. Je ne pourrai pas aider ...

Olivier78 a oublié, comme beaucoup, les règles élémentaires qui consistent notamment
1) à donner le maximum d'informations et notamment à citer les packages utilisés s'il ne font pas partie du cœur de R.
2) à expliquer clairement les tenants et les aboutissants du problème notamment, indépendamment de la syntaxe non explicitée les commentaires suivants les morceaux de code ne sont pas clairs, une fois on ne veut pas enlever de ligne, une fois supprimer des colonnes...
3) à donner du code réutilisable pour qu'on puisse le tester.
4) à donner les messages d'erreurs suite à ce code.
5) éventuellement, avoir consisté à consulter l'aide en ligne, et dire ce qui n'est pas clair dans cette aide ou pourquoi le code lui semble cohérent avec l'aide et donc l'erreur incompréhensible.

Ces défauts ne sont pas spécifiques à Olivier78 mais se retrouvent dans beaucoup de demandes d'aide que ce soit pour un langage ou pour des questions plus amont comme celles touchant par exemple les statistiques. Plus la demande sera précise, plus il y a de chance d'obtenir une réponse.

Donc, je demande à Olivier78 d'essayer de répondre aux cinq points que j'ai mentionnés ci-dessus et peut-être recevra-t-il la réponse à son problème de la part des personnes habituées à la manipulation des données au travers du package data.table.

Bonjour,

Je vais donc reformuler ma question.
Je manipule de gros volumes de données. J’utilise la fonction data.table (du package « data.table ») pour manipuler mes données. Cela permet en une opération d’effectuer des « group by », de calculer des indicateurs et de filtrer la table.

Le programme ci-dessous fonctionne (cf. résultat obtenu). Il permet de filtrer une table sur la variable var1 et de créer une variable var4.

Mon problème est le suivant : je suis obligé de lister manuellement toutes les variables que je souhaite conserver : DT[var1>1,.(var4=var1+var2,var1,var2,var3)]

Vu que mes tables contiennent plusieurs dizaines de variables différentes, je me demandais s’il n’existait pas une astuce pour indiquer à la fonction data.table que je voulais conserver toutes les variables de la table sans avoir à la les lister de façon exhaustive.

J’ai parcouru en vain les forum ou la doc R est en ligne.

Code:

---

1 2 3 4 5 6 7

library("data.table") var1=c(1,2,3,4,5) var2=c(2,4,6,8,10) var3=c(2,2,2,2,2) DT=data.table(var1,var2,var3) DT[var1>1,.(var4=var1+var2,var1,var2,var3)]

---

Résultat obtenu
var4 var1 var2 var3
1: 6 2 4 2
2: 9 3 6 2
3: 12 4 8 2
4: 15 5 10 2

J’espère avoir clarifié ma demande

Maintenant, je comprends le problème. Je connais mal le package data.table mais d'après le petit test que j'ai fait, l'astuce consiste à utiliser le second argument comme une indexation des colonnes en utilisant le fait que c'est une liste et que les data.table peuvent être aussi transformés en liste. Cela donne alors si on ne veut travailler que sur les lignes pour lesquelles var1 > 1 :

Code:

---

DT[var1 > 1,c( .( var4=var1+var2), as.list( DT[var1 > 1]))]

---

La fonction c permettant la concaténation des listes si les arguments sont eux mêmes des listes.
Par contre, il faut faire attention à ce que la sélection des lignes soit la même dans les deux cas.

Si on veut sélection des colonnes particulières du data.table initial :

Code:

---

as.list( DT[var1 > 1])[1,3] # permet de ne conserver que les colonnes 1 et 3 de a data.table initiale comme c'est le cas pour les data.frame

---

Comme pour les data.frame, on peut remplacer le vecteur d'indices numériques par un vecteur des noms des colonnes.

Merci faubry

Effectivement, cela fonctionne

J'essayerais d'être plus clair dans mes prochains posts