在 data.table group by 子句中使用变量答案

【问题标题】：Using variable in data.table group by clause在 data.table group by 子句中使用变量
【发布时间】：2015-10-14 13:03:24
【问题描述】：

我有一个我想要总结的 data.table。这是我的方法

library(data.table)

dtIris <-data.table(iris)
dt1 <- dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), 
              by=list(TrimSpecies = substr(Species,1,3),Petal.Length)]

我希望能够使用一个变量来识别要分组的项目之一，但我无法用它来评估列表中的变量。它只是将其视为字符串并引发错误。

myvar <- "Petal.Length"
dt1 <- dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), 
              by=list(TrimSpecies = substr(Species,1,3),myvar)]

我试过noquote()、eval()、parse(text=) 都无济于事。任何指导将不胜感激。

【问题讨论】：

标签： r list data.table

【解决方案1】：

当我想同时按超过 1 个变量进行分组时，事情变得有点棘手。继续的方法是创建一个变量myvar，其中包含应该进行分组的列的名称（在本例中为2）；然后可以通过以下方式使用get 两次：

dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), by = list(get(myvar[1]), get(myvar[2]))]

【讨论】：

【解决方案2】：

您可以使用eval(parse(text=myvar)) 或get(myvar)，尽管这会将您的分组列分别命名为parse 或get（然后您可以重命名它）。

myvar <- "Petal.Length"
dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), 
              by=list(TrimSpecies = substr(Species,1,3), eval(parse(text=myvar)))]

dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), 
              by=list(TrimSpecies = substr(Species,1,3), get(myvar))]

我不确定如何以您想要的方式保留名称。（编辑：by=setNames(list(...), c('TrimSpecies', myvar)) - 谢谢@thelatemail！）

编辑 - 出于兴趣，回应下面的一些 cmets。

library(rbenchmark)
benchmark(
    eval=dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), 
              by=list(TrimSpecies = substr(Species,1,3), eval(parse(text=myvar)))],
    get=dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), 
              by=list(TrimSpecies = substr(Species,1,3), get(myvar))],
    chain=dtIris[, TrimSpecies := substr(Species,1,3)][,list(AvgSepalWidth = mean(Sepal.Width)),by=c("TrimSpecies",myvar)][,TrimSpecies:=NULL][]
)
   test replications elapsed relative user.self sys.self user.child sys.child
3 chain          100   0.151    1.987     0.250        0          0         0
1  eval          100   0.079    1.039     0.097        0          0         0
2   get          100   0.076    1.000     0.094        0          0         0

get 比 eval(parse(text=..))) 快，后者比定义 TrimSpecies 快，使用 by 的字符形式然后将其删除（链接 dts）。

【讨论】：

dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), by=setNames(list(substr(Species,1,3), get(myvar)),c("TrimSpecies",myvar))]
这是我最喜欢的功能，用于在名称未通过时进行整理。
出于兴趣，我就这么做了
哈哈，是的，np，我删除了答案，这似乎太荒谬了，stackoverflow.com/questions/31577893/…
对于任意数量的列，mget() 函数会创建列表并为您命名，例如byfields <- c("a", "b"); DT <- data.table(x=1:20, a=rep(1:2, each=10), b=rep(1:4, each=5)); summary <- DT[, sum(x), by=mget(byfields)]

【解决方案3】：

by 语句不接受字符串。它确实接受变量引用。

因此，您可以创建一个变量来复制要聚合的列的数据，而不是引用列名：

myvar <- dtIris[,Petal.Length]
dt2 <- dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), 
          by=list(TrimSpecies = substr(Species,1,3),myvar)]
all(dt2==dt1)
#TRUE

【讨论】：

by 可以接受字符串，例如dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), by = "Petal.Length"]。您的解决方案有效，但不能解决名称问题，更不用说它会不必要地复制整列。