rbindlist dos data.tables donde una tiene factor y la otra tiene un tipo de carácter para una columna
Acabo de descubrir esta advertencia en mi script que fue un poco extraño.
# Warning message:
# In rbindlist(list(DT.1, DT.2)) : NAs introduced by coercion
Observación 1: Aquí hay un ejemplo reproducible:
require(data.table)
DT.1 <- data.table(x = letters[1:5], y = 6:10)
DT.2 <- data.table(x = LETTERS[1:5], y = 11:15)
# works fine
rbindlist(list(DT.1, DT.2))
# x y
# 1: a 6
# 2: b 7
# 3: c 8
# 4: d 9
# 5: e 10
# 6: A 11
# 7: B 12
# 8: C 13
# 9: D 14
# 10: E 15
Sin embargo, ahora si convierto la columnax
a unfactor
(ordenados o no) y hacer lo mismo:
DT.1[, x := factor(x)]
rbindlist(list(DT.1, DT.2))
# x y
# 1: a 6
# 2: b 7
# 3: c 8
# 4: d 9
# 5: e 10
# 6: NA 11
# 7: NA 12
# 8: NA 13
# 9: NA 14
# 10: NA 15
# Warning message:
# In rbindlist(list(DT.1, DT.2)) : NAs introduced by coercion
Perorbind
hace este trabajo muy bien!
rbind(DT.1, DT.2) # where DT.1 has column x as factor
# do.call(rbind, list(DT.1, DT.2)) # also works fine
# x y
# 1: a 6
# 2: b 7
# 3: c 8
# 4: d 9
# 5: e 10
# 6: A 11
# 7: B 12
# 8: C 13
# 9: D 14
# 10: E 15
El mismo comportamiento se puede reproducir si columnax
es unordered factor
también. Desde la página de ayuda?rbindlist
dice:Same as do.call("rbind",l), but much faster.
, Supongo que este no es el comportamiento deseado?
Aquí está la información de mi sesión:
# R version 3.0.0 (2013-04-03)
# Platform: x86_64-apple-darwin10.8.0 (64-bit)
#
# locale:
# [1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8
#
# attached base packages:
# [1] stats graphics grDevices utils datasets methods base
#
# other attached packages:
# [1] data.table_1.8.8
#
# loaded via a namespace (and not attached):
# [1] tools_3.0.0
Editar:Observación 2: Siguiendo otra observación interesante de @ AnandaMahto, invirtiendo el orden:
# column x in DT.1 is still a factor
rbindlist(list(DT.2, DT.1))
# x y
# 1: A 11
# 2: B 12
# 3: C 13
# 4: D 14
# 5: E 15
# 6: 1 6
# 7: 2 7
# 8: 3 8
# 9: 4 9
# 10: 5 10
Aquí, la columna deDT.1
es forzado en silencio anumeric
.
Editar: Solo para aclarar, este es el mismo comportamiento que el derbind(DT2, DT1)
con la columna x de DT1 siendo un factor.rbind
Parece retener la clase del primer argumento. Dejaré esta parte aquí y mencionaré que en este caso, este es el comportamiento deseado ya querbindlist
Es una implementación más rápida derbind
.
Observación 3: Si ahora, ambas columnas se convierten a factores:
# DT.1 column x is already a factor
DT.2[, x := factor(x)]
rbindlist(list(DT.1, DT.2))
# x y
# 1: a 6
# 2: b 7
# 3: c 8
# 4: d 9
# 5: e 10
# 6: a 11
# 7: b 12
# 8: c 13
# 9: d 14
# 10: e 15
Aquí, la columna.x
desdeDT.2
se pierde (/ reemplazado con el deDT.1
). Si el orden se invierte, ocurre exactamente lo contrario (columna x deDT.1
es reemplazado con el deDT.2
).
En general, parece que hay un problema con el manejofactor
columnas enrbindlist
.