data.table Version von tidyr :: unite

Question

Ich muss mehrere Spalten mit Trennzeichen in meinem riesigen data.table vereinen. Also verwende ich unite von tidyr Paket dafür.

Wissen Sie, ob es eine optimierte Version data.table dafür gibt?

library(data.table) 
data <- data.table(id=1:10, col1=11:20, col2=21:30, col3=31:40) 
print(data) 

library(tidyr) 
data <- unite(data, "col_test", col1, col2, col3) 
print(data) 

Answer 1

Wir do.call mit paste

data[, .(id, col_test=do.call(paste, c(.SD, sep="_"))), .SDcols= col1:col3] 
#  id col_test 
# 1: 1 11_21_31 
# 2: 2 12_22_32 
# 3: 3 13_23_33 
# 4: 4 14_24_34 
# 5: 5 15_25_35 
# 6: 6 16_26_36 
# 7: 7 17_27_37 
# 8: 8 18_28_38 
# 9: 9 19_29_39 
#10: 10 20_30_40 

---

Benchmarks

microbenchmark(
    tidyr_unite = { 
    unite(data1, "col_test", col1, col2, col3) 
    }, 
    dt_docallPaste = { 
    data1[, .(id = data1[["id"]], col_test = do.call(paste, c(.SD, sep="_"))), 
     .SDcols= col1:col3] 
    }, 
    apply_Paste = { 
    cbind.data.frame(id = data1$id, 
        col_test = apply(data1[, -1, with = FALSE], 1, 
             paste, collapse = "_")) 
    }, 
    times = 10 
) 

# Unit: seconds 
#   expr  min  lq  mean median  uq  max neval cld 
#  tidyr_unite 7.501491 7.521328 7.720600 7.647506 7.756273 8.219710 10 a 
# dt_docallPaste 7.530711 7.558436 7.910604 7.618165 8.429796 8.497932 10 a 
#  apply_Paste 44.743782 45.797092 46.791288 46.325188 47.330887 51.155663 10 b 

Im Vergleich zu Basis verwenden können apply, es sieht aus wie tidyr und data.table Versionen sind gleichermaßen effizient. Das ist zu erwarten, da unite ist einfach ein Wrapper um do.call("paste", ...)

Wie Sie aus dem source code sehen:

unite_.data.frame <- function(data, col, from, sep = "_", remove = TRUE) { 
    united <- do.call("paste", c(data[from], list(sep = sep))) 

    first_col <- which(names(data) %in% from)[1] 

    data2 <- data 
    if (remove) { 
    data2 <- data2[setdiff(names(data2), from)] 
    } 

    append_col(data2, united, col, after = first_col - 1) 
}