我想问一下以下行为data.table
是功能还是错误。
鉴于 data.table
dt = data.table(
group = c(rep('group1',5),rep('group2',5)),
x = as.numeric(c(1:5, 1:5)),
y = as.numeric(c(5:1, 5:1)),
z = as.numeric(c(1,2,3,2,1, 1,2,3,2,1))
)
和包含重复项的列名向量,
cols = c('y','x','y','z') # contains a duplicate column name
data.table
正确地阻止了我为重复的列名分配值:
dt[,(cols) := lapply(.SD,identity), .SDcols=cols] # Error (OK)
对我来说,这似乎是适当的行为,因为它可以帮助避免意外的后果。但是,如果我按组进行相同的作业,
dt[,(cols) := lapply(.SD,identity), .SDcols=cols, by=group] # No error!
那么data.table
就不会抛出错误。分配经过,以及一个可以验证列y
,并z
已经互换。
对于我来说,这是在大型应用程序中发生的,同时按组定义了变量,因此很难找到此行为的根源。对于用户的建议当然是避免在分配时重复列名称,并避免向提供重复名称.SDcols
。但是,data.table
在这种情况下抛出错误会更好吗?
这是一个错误,已在的1.12.4版中修复data.table
。这是错误报告:https : //github.com/Rdatatable/data.table/issues/4874。
遇到此问题的其他用户可以简单地更新其软件包版本,例如使用install.packages('data.table')
。要检查当前软件包的版本,请加载data.table
,然后查看的输出sessionInfo()
。
但是,最好避免提供重复的列名.SDcols
。
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句