(R) data.Table’s Frank ()

->

Blogul lui Zhenguo Zhang/2025/04/12/R-DATA-table-S-Frank/-

knitr::opts_chunk$set(echo = TRUE, message = FALSE, warning = FALSE)
library(knitr)
library(data.table)

Se poate folosi data.table::frank() Pentru a clasifica rândurile unui date.table sau pur și simplu un vector. În comparație cu funcția R de bază rank(), frank() este mai rapid. Astăzi voi arăta cum să folosesc această funcție.

În primul rând, să generăm un exemplu de date.Table cu 10 rânduri și 3 coloane, pentru simplitate, vom face ca primele 2 coloane să fie întregi, iar ultima este un personaj. De asemenea, vom dubla unele valori pentru a arăta cum sunt sortate valorile legate:

set.seed(123)
n <- 10
dt <- data.table(
  a = sample(1:10, n, replace = TRUE),
  b = sample(1:10, n, replace = TRUE),
  c = sample(letters(1:5), n, replace = TRUE)
)
kable(dt, caption = "Example data.table")

În primul rând, să vedem cum să folosim frank() pentru a clasifica toate datele.Table.

dt(, rank := frank(.SD))
kable(dt(order(rank)), caption = "Ranked data.table")

După cum puteți vedea, frank() Funcția clasează rândurile datelor.Table verificând prima coloană, apoi a doua coloană și, în final, a treia coloană.

De asemenea, se poate sorta o date.Table bazată pe coloane selectate, de exemplu, să folosim coloanele a 2 -a și a 3 -a pentru a clasifica datele.Table. Dar pentru aceasta, trebuie să -i folosești varianta Frankv ():

dt(, rank := frankv(.SD, cols = c("b","c")))
kable(dt(order(rank)), caption = "Ranked data.table by 2nd and 3rd columns")

În cele din urmă, am dori să vorbim despre ties.method argument. Pentru a face simplu, vom folosi în mod simit a doua coloană pentru a clasifica tabelul, astfel încât să puteți vedea efectul ties.method argument.

newDT <- dt(, .(b))
newDT(, rankAverage := frank(b, ties.method = "average")) # the default
newDT(, rankFirst := frank(b, ties.method = "first"))
newDT(, rankLast := frank(b, ties.method = "last"))
newDT(, rankRandom := frank(b, ties.method = "random"))
newDT(, rankMax := frank(b, ties.method = "max"))
newDT(, rankMin := frank(b, ties.method = "min"))
newDT(, rankDense := frank(b, ties.method = "dense"))
kable(newDT(order(b)), caption = "Ranked data.table by 2nd column")

După cum puteți vedea, iată cum ties.method Argumentul funcționează:

• Media: media rândurilor valorilor legate
• În primul rând: ordinea în care valorile apar în date
• Ultima: ordinea în care valorile apar în date
• aleatoriu: o ordine aleatorie pentru legături
• Max: rangul maxim al valorilor legate
• min: rangul minim al valorilor legate
• Dens: valorile dintr -un set de egalitate obțin același rang, iar valoarea rangului crește cu 1 atunci când treceți la următorul set de egalitate. Aceasta este o caracteristică unică a frank() și nu este disponibil în baza R.

Când cineva dorește să folosească rangul pentru a alege N rânduri de top, este important să știm cum este calculat rangul; În acest caz, poate doriți să evitați ties.method Valori: max, minși dense.

Programare fericită

-/2025/04/12/R-data-table-s-frank/-

Continuați să citiți: (R) data.Table’s Frank ()