Compreendendo o Data.table

conhecendo uma Biblioteca R

Published in

Data Girls

2 min readFeb 9, 2022

data.table é um pacote R para transformar dados que fornece uma versão aprimorada de estrutura de dados padrão do R. Sua sintaxe basicamente se resume em DT[i, j, by]:

i: selecione linhas;
j: manuseie colunas;
by: agrupe de acordo com

Algumas das suas principais vantagens, segundo seus criadores⁴, são:

Possui sintaxe concisa, ou seja, é rápida para digitar e rápida de ler.
Processa em velocidade rápida
Memória eficiente
Há uma comunidade ativa no StackOverflow ⁵

Antes de tudo, para usá-lo é preciso instalar o seu pacote³ através do comando install.packages("data.table"), logo em seguida 'chamaremos' a biblioteca usando library(data.table). Pronto! A biblioteca está pronta para ser utilizada.

Agora já podemos criar um data.table. Abaixo segue um exemplo de conjunto de dados que contém o nome e altura de um determinado público criado através do data.table:

Entretanto se já tivéssemos essas informações em um data.frame, podemos convertê-lo em data.table usando:

Além disso é possível ler um arquivo, em .csv ou .tsv, utilizando:

Agora lembra-se da sintaxe DT[i, j, by]? Vamos explorar cada uma dessas partes.

Usando i (selecione, conte, some, renomeia)

Selecione uma parte das observações a partir de um critério:

Se usarmos o data.table declarado no início do artigo, teremos como output:

> DT[altura > 160, ]nome altura
1: Thais    170
2: Alexa    163

Usando j (Manuseei, selecione e extraia colunas.)

Output:

nome altura
1:   Ana    160
2: Maria    145
3: Thais    170
4: Alexa    163

Use funções de resumo, como média( ), mediana( ), min( ), max( ) para sumarizar seus dados

Output

media_altura
1:     159.5

Delete uma coluna

Output:

nome altura idade      cargo
1:   Ana    160    24 engenheira
2: Maria    145    34 engenheira
3: Thais    170    18  cientista
4: Alexa    163    20  cientista

Usando by

Podemos também agrupar por um determinada coluna.

   cargo       nome
1: engenheira   Ana
2: engenheira Maria
3:  cientista Thais
4:  cientista Alexa

É claro que podemos usar todos campos ao mesmo tempo

  cargo            media_idade
1: engenheira          29
2:  cientista          19

Data.table é uma poderosa ferramenta no que se trata o manuseio de dados no R, entender sua sintaxe é o primeiro passo para colocar em prática e compreender suas principais vantagens. Dando este passo, fica mais fácil de combinar data.tables entre si ou até alterar o formato de um conjunto de dados, mas isso já é uma conversa para outras missões!