如何在data.table中动态使用lapply？

Question

我有一个数据集，看起来

set.seed(18) 
library(data.table) 
site1 <- data.table(id = 1:10, A = c(sample(c(NA, letters[1:10]),10)), 
        B = sample(c(NA, LETTERS[1:7]), 10, replace = T), 
        C = sample(c(NA, 1:4), 10, replace = T)) 

site2 <- data.table(id = c(1:4, sample(5:15, 6)), 
        A = c(NA, NA, NA, sample(letters, 1), NA, NA, NA, sample(letters, 1), NA, NA), 
        B = sample(LETTERS, 10), d = sample(1:5, replace = T)) 

而且看起来

col.smash <- function(a, b, linkvars){ 
  require(data.table) 
  
  ##### CONVERT TO DATA.TABLES FOR EASIER USE, AND MERGE 
  if(dim(a)[1] <= dim(b)[1]){ 
    c <- data.table(a); setkeyv(c, linkvars) 
    d <- data.table(b); setkeyv(d, linkvars) 
  } else { 
    c <- data.table(b); setkeyv(c, linkvars) 
    d <- data.table(a); setkeyv(d, linkvars) 
  } 
  
  k <- c[d] 
  
  rep.list<- names(a)[names(a) %in% names(b) & !(names(a) %in% linkvars)] 
  i.combo <- paste0("i.",rep.list) 

  f <- k[ , (rep.list) := lapply(.SD, function(x){ifelse(is.na(x), 
                get("i.", names(x)), x)}), 
      .SDcols = rep.list] 
  return(f) 
  } 

此功能的目标是看到在两种site1和site2哪些变量和函数，如果有一个“NA “中，可以说site1$A，将其替换为site2$A中的相应值。在site2之上有一个site1的层次结构，这就是为什么ifelse语句只检查一个带有“NA”的变量。

由于第一个ifelse结果（get("i.",names(x))）在条件不正常工作后出现lapply函数错误。这样做，我得到以下错误：

Error in as.environment(pos) : using 'as.environment(NULL)' is defunct 

我不明白。理想情况下，我会得到的是在site1所有值的data.table和site2与变量A，B，C，D而不是与i.A，i.B因为如此，

id A B C d 
1: 1 i E NA 4 
2: 2 g F NA 4 
3: 3 h NA 4 1 
4: 4 x B 4 2 
5: 5 j G NA NA 
6: 6 c NA 3 4 
7: 7 a D 2 NA 
8: 8 b NA 2 NA 
9: 9 d G 1 4 
10: 10 f NA 1 NA 
11: 12 NA V NA 2 
12: 13 n J NA 1 
13: 14 NA T NA 1 
14: 15 NA X NA 1 

所以，我想我真的有两个问题。第一个是错误，第二个是我没有在我的函数中获得k中的所有行。他们似乎没有关系。

任何帮助表示赞赏。

另外，布朗尼积分谁可以弄清楚不可思议col.smash参考。

Answer 1

This function's goal is to see what variables are in both site1 and site2 and if there is an "NA" in, lets say site1$A , replace it with the corresponding value in site2$A . There is a hierarchy of site1 over site2

输出可以有一个像

g <- function(d1, d2, byvars){ 
    D = funion(d1[, ..byvars], d2[, ..byvars]) 

    d2vars = setdiff(names(d2), byvars) 
    D[d2, on=byvars, (d2vars) := mget(sprintf("i.%s", d2vars))] 

    d1vars = setdiff(names(d1), byvars) 
    D[d1, on=byvars, (d1vars) := mget(sprintf("i.%s", d1vars))] 

    setcolorder(D, c(byvars, d1vars, setdiff(d2vars, d1vars))) 
    setorderv(D, byvars)[] 
} 

g(site1, site2, "id") 

这给

id A B C d 
1: 1 i E NA 4 
2: 2 g F NA 4 
3: 3 h NA 4 1 
4: 4 NA B 4 2 
5: 5 j G NA NA 
6: 6 c NA 3 4 
7: 7 a D 2 NA 
8: 8 b NA 2 NA 
9: 9 d G 1 4 
10: 10 f NA 1 NA 
11: 12 NA V NA 2 
12: 13 n J NA 1 
13: 14 NA T NA 1 
14: 15 NA X NA 1 

---

它是如何工作

的byvars参数允许列名的向量。

相当新的..语法允许引用存储在data.table外部的列的索引。我查看了FAQ和?data.table，并且找不到任何文档。目前，它是the first changelog item in 1.10.2 at least。

要给出“站点1在站点2上的层次结构”，我们首先从站点2添加站点1，然后添加站点1，以便获取最后的编辑。

funion的使用假设每个表格中没有重复。如果有，将需要该步骤更复杂的方法，大概就像

D = rbind(d1[, ..byvars], d2[,..byvars][!d1, on=byvars])