包括使用data.table [,, by =…]时的所有排列

Question

我有一个大的data.table，正在使用,by折叠到月度水平。

[vars共有5个，级别为＃：c(4,3,106,3,1380)。 106是月，1380是地理单位。结果是有一些0，因为有些像元没有值。 by删除了这些，但我希望保留它们。

可复制的示例：

require(data.table)

set.seed(1)
n <- 1000
s <- function(n,l=5) sample(letters[seq(l)],n,replace=TRUE)
dat <- data.table( x=runif(n), g1=s(n), g2=s(n), g3=s(n,25) )
datCollapsed <- dat[ , list(nv=.N), by=list(g1,g2,g3) ]
datCollapsed[ , prod(dim(table(g1,g2,g3))) ] # how many there should be: 5*5*25=625
nrow(datCollapsed) # how many there are

是否有一种有效的方法来用0填充这些缺失的值，以使by var的所有排列都在最终折叠的data.table中？

Answer 1

我也想使用交叉联接，但会在对i的原始调用的[.data.table插槽中使用它：

keycols <- c("g1", "g2", "g3")                       ## Grouping columns
setkeyv(dat, keycols)                                ## Set dat's key
ii <- do.call(CJ, sapply(dat[, ..keycols], unique))  ## CJ() to form index
datCollapsed <- dat[ii, list(nv=.N)]                 ## Aggregate

## Check that it worked
nrow(datCollapsed)
# [1] 625
table(datCollapsed$nv)
#   0   1   2   3   4   5   6 
# 135 191 162  82  39  13   3 

[这种方法被称为“ by-with-by-by”，并且如?data.table中所述，与通过by参数传递分组指令一样，效率和速度一样快：

[高级：已知组子集的聚合是在i中传递这些组时特别有效。什么时候i是data.table，DT[i,j]对每一行求值ji。我们称其为没有by的情况下或i的分组]。因此，自联接DT[data.table(unique(colA)),j]为与DT[,j,by=colA]相同。

Answer 2

将唯一值进行笛卡尔联接，然后使用该联接来返回结果