我在R中有一个名为route_data的data.table。我需要创建一个嵌套的 data.tableleg_data到每一行route_data，其中包含从每行中提取的信息route_data
route_data <- data.table(route = c("Seattle>NewDelhi>Patna>Motihari", "Seattle>NewDelhi>Motihari","Seattle>Hyderabad>NewDelhi>Patna>Motihari"),
travel_type = c("business_meeting", "casual_trip","office_meeting"),
leg1_time_hr = c(18.0,18.0,18.0),
leg2_time_hr = c(2,18,2.25),
leg3_time_hr = c(4.0,NA,1.75),
leg4_time_hr = c(NA,NA,4.0))
route_data
route travel_type leg1_time_hr leg2_time_hr leg3_time_hr leg4_time_hr
1: Seattle>NewDelhi>Patna>Motihari business_meeting 18 2.00 4.00 NA
2: Seattle>NewDelhi>Motihari casual_trip 18 18.00 NA NA
3: Seattle>Hyderabad>NewDelhi>Patna>Motihari office_meeting 18 2.25 1.75 4
我需要在route_data中创建一个嵌套leg_data，例如在第一行中，它应该如下所示：
example_nested_data <- data.table(leg = c("Seattle>Hyderabad", "Hyderabad>NewDelhi","NewDelhi>Patna","Patna>Motihari"),
leg_num = c(1,2,3,4),
leg_transit_time_hr = c(18.0,2.25,1.75,4.0)
)
example_nested_data在route_data的第 1 行中
leg leg_num leg_transit_time_hr
1: Seattle>Hyderabad 1 18.00
2: Hyderabad>NewDelhi 2 2.25
3: NewDelhi>Patna 3 1.75
4: Patna>Motihari 4 4.00
同样，在第二行和第三排route_data
我将尝试自己回答。我看到警告消息，希望更好地理解它的任何限制。但是，对我来说它工作正常(忽略警告消息)。
附带说明一下，data.table打破了R的所有限制，阻止它进行大数据处理，以免我忘记我自己的研究希望它被记录下来。
同时，让我们创建一个函数，将路由分解为腿：
construct.legs <- function(ro) {
node_vector <- unlist(strsplit(ro, ">"))
d_nodes <- node_vector[!node_vector %in% node_vector[1]]
o_nodes <- node_vector[!node_vector %in% node_vector[length(node_vector)]]
legs <- paste(o_nodes,d_nodes, sep = ">")
}
现在，为包含路由段的每个路由创建嵌套leg_table。当然，使用上面定义的函数construct.legs：
route_data[, leg_data := .(list(data.table(leg = construct.legs(route)))), by = list(row.names(route_data))]
我们现在的route_data是什么样子的？
route travel_type leg1_time_hr leg2_time_hr leg3_time_hr leg4_time_hr leg_data
1: Seattle>NewDelhi>Patna>Motihari business_meeting 18 2.00 4.00 NA <data.table>
2: Seattle>NewDelhi>Motihari casual_trip 18 18.00 NA NA <data.table>
3: Seattle>Hyderabad>NewDelhi>Patna>Motihari office_meeting 18 2.25 1.75 4 <data.table>
让我们来看看如果嵌套的 data.table 在第三行中route_data里面有什么
route_data$leg_data[3] #Access the leg_table like we do in data.frame. But this returns leg_data as a list
route_data$leg_data[[3]] #This returns leg_data as a data.table
route_data[3, leg_data] #Access the leg_table like we do in data.table. This returns leg_data as a list
route_data[3, leg_data[[1]]] #This returns leg_data as a data.table
数据表存储在route_data的第 3 行
leg
1: Seattle>Hyderabad
2: Hyderabad>NewDelhi
3: NewDelhi>Patna
4: Patna>Motihari
让我在route_data中添加行号，稍后我将在嵌套表leg_data填充传输时间时使用
route_data[, route_num := seq_len(.N)]
同样，在嵌套表中添加行号leg_Table
route_data[, leg_data := .(list(leg_data[[1]][, leg_num := seq_len(.N)])), by = list(row.names(route_data))]
您会看到一条警告消息，指出存在无效的内部自引用，该自引用已通过浅层复制修复。所以，我现在将忽略这一点。我需要有人的帮助，他可以帮助我了解它是否破坏了任何东西。无论如何，让我们继续。
为什么我们有[[1]]？这是为了确保sub_table值以 data.table 的形式返回，而不是作为列表返回。尝试运行route_data[3, leg_data[[1]]]和route_data[3, leg_data]以查看差异。
现在终于在嵌套leg_data中添加传输时间route_data
route_data[, leg_data := .(list(leg_data[[1]][, leg_transit_time_hr := sapply(leg_num, function(x) {route_data[[route_num, 2+x, with = FALSE]]})])), by = list(row.names(route_data))]
我们在这里做了什么？
我们只是通过sapply将其作为向量传递来循环leg_data的行号leg_num，并利用route_data的行号route_num来识别要从route_data中提取的传输时间的右列。
为什么我们在[[route_num, 2+x, with = FALSE]]上放置双[[]]？
双大括号确保它返回的值作为向量而不是 data.table
最后，让我们看一下第 3 行route_data的嵌套 data.tableleg_data
route_data[3, leg_data[[1]]]
leg leg_num leg_transit_time_hr
1: Seattle>Hyderabad 1 18.00
2: Hyderabad>NewDelhi 2 2.25
3: NewDelhi>Patna 3 1.75
4: Patna>Motihari 4 4.00
让我们看看第二行嵌套表的样子：
leg leg_num leg_transit_time_hr
1: Seattle>NewDelhi 1 18
2: NewDelhi>Motihari 2 18