Utilisation de .SD

Le package data.table permet de réaliser des appels de fonction quelconques par groupe de lignes.

L'appel

dt[ j=f(.SD), by=col]

Envoie à la fonction f, une section de dt correspondant à chaque valeur distincte de col. Le résultat en retour dépend de ce que renvoie f.

Exemples avec mtcars

mt= data.table(mtcars)

Fonction renvoyant un vecteur de longueur 1

myrange1 = function(sd){
    a = sd[ j=range(mpg)]
    a[2] - a[1]
}

exemple 1

mt[ j=myrange1(.SD),by="am"]

##    am   V1
## 1:  1 18.9
## 2:  0 14.0

exemple 2

Dans ce cas, SD est optionnel, le code de l'exemple 1 est identique à

mt[ j=max(mpg)-min(mpg),by="am"]

##    am   V1
## 1:  1 18.9
## 2:  0 14.0

Fonction renvoyant un vecteur de longueur > 1

myrange2 = function(sd){
        a = sd[ j=range(mpg)]
    a
}

exemple 3

La fonction myrange2 renvoie un vecteur.

• Le résultat contient une duplication de la clef am dans la hauteur correspondant aux 2 valeurs min et max
• il manque éventuellement une colonne indiquant qui est le min et qui est le max en face de chaque valeur de am

mt[ j=myrange2(.SD),by="am"]

##    am   V1
## 1:  1 15.0
## 2:  1 33.9
## 3:  0 10.4
## 4:  0 24.4

Fonction renvoyant une liste de vecteurs de longueurs 1

myrange3 = function(sd){
    # la fonction renvoie une liste de vecteurs de longueur  1
    a = sd[ j=range(mpg)]
    b = as.list(a)
    names(b)=c("min","max")
    b$range = a[2]-a[1]
    b
}

exemple 4

La fonction myrange3 renvoie une liste de vecteurs de longueur 1

• apparition de colonnes supplémentaires sans duplication de la clef
• les noms des colonnes sont les noms de la liste renvoyée par myrange3

mt[ j=myrange3(.SD),by="am"]

##    am  min  max range
## 1:  1 15.0 33.9  18.9
## 2:  0 10.4 24.4  14.0

Fonction renvoyant une liste de vecteurs de longueurs inégales > 1

myrange4 = function(sd){
    # la fonction renvoie une liste de vecteurs de longueur > 1, et inégales
    a = sd[ j=range(mpg)]
    b = list(ext=a,side=c("min","max"))
    b$range = a[2]-a[1]
    b
}

exemple 5

La fonction myrange4 renvoie une liste de vecteurs de longueurs inégales > 1

• colonnes supplémentaires nommées à partir de la liste renvoyée
• duplication de la clef là où c'est nécessaire

mt[ j=myrange4(.SD),by="am"]

##    am  ext side range
## 1:  1 15.0  min  18.9
## 2:  1 33.9  max  18.9
## 3:  0 10.4  min  14.0
## 4:  0 24.4  max  14.0