使用mapply求data.table列表列交集：部分值报错问题求助

问题根源 #

当intersect返回的结果长度大于1时，mapply默认会把结果简化成矩阵，而data.table的:=赋值要求右侧元素数量和行数匹配。你的DT_1案例里，每行交集结果长度是2，mapply返回2列矩阵，展开后是4个元素，和2行的data.table不匹配，所以报错；而DF_2中每行交集长度为1，mapply返回长度为2的向量，刚好匹配行数，因此能正常运行。

解决方案 #

给mapply加上SIMPLIFY=FALSE参数，强制返回列表格式，这样每个元素对应data.table的一行，直接赋值为列表列即可适配所有交集长度的情况。

修正后的代码示例 #

处理DT_1

DT_1 <- data.table(
  ego = as.integer(c(128320, 128320)),
  list_ego = list(as.integer(c(1,4)), as.integer(c(1,4))),
  alter = as.integer(c(48259, 167757)),
  list_alter = list(as.integer(c(4,3,1,5)), as.integer(c(3,1,4,5)))
)

DT_1[, shared_list := mapply(FUN = intersect, list_ego, list_alter, SIMPLIFY = FALSE)]
DT_1

运行结果：

ego list_ego alter list_alter shared_list
1: 128320     1,4  48259   4,3,1,5       1,4
2: 128320     1,4 167757   3,1,4,5       1,4

验证DF_2同样适用

DF_2 <- data.table(
  ego = as.integer(c(1, 1)),
  list_ego = list(as.integer(c(100,200)), as.integer(c(100,200))),
  alter = as.integer(c(2, 3)),
  list_alter = list(as.integer(c(100, 300)), as.integer(c(200, 300)))
)

DF_2[, shared_list := mapply(FUN = intersect, list_ego, list_alter, SIMPLIFY = FALSE)]
DF_2

运行结果：

ego list_ego alter list_alter shared_list
1:   1  100,200     2    100,300         100
2:   1  100,200     3    200,300         200

说明 #

这个方法不受交集结果长度影响，不管每行交集是1个还是多个元素，都能正确生成列表列，适合批量处理从CSV导入的大量data.table对象。

内容的提问来源于stack exchange，提问作者PaulaSpinola