如何通过 R 中的多列将函数应用于 data.table 子集？答案

【问题标题】：How to apply a function to a data.table subset by multiple columns in R?如何通过 R 中的多列将函数应用于 data.table 子集？
【发布时间】：2020-08-11 04:33:19
【问题描述】：

我有一个数据表，其中包含多个组的更改计数。例如：

input <- data.table(from = c("A", "A", "A", "B", "B", "B", "A", "A", "A", "B", "B", "B"),
                 to = c(letters[1:6], letters[1:6]),
                 from_N = c(100, 100, 100, 50, 50, 50, 60, 60 ,60, 80, 80, 80),
                 to_N = c(10, 20, 40, 5, 5, 15, 10, 5, 10, 20, 5, 10),
                 group = c(1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2))

如何计算各组每次更改的总数？我可以使用 for 循环来做到这一点，例如：

out <- list()
for (i in 1:length(unique(input$from))){ 
  sub <- input[from == unique(input$from)[i]] 
  out2 <- list()
  for (j in 1:length(unique(sub$to))){
    sub2 <- sub[to == unique(sub$to)[j]]
    out2[[j]] <- data.table(from = sub2$from[1],
                  to = sub2$to[1],
                  from_N = sum(sub2$from_N),
                  to_N = sum(sub2$to_N))
    print(unique(sub$to)[j])
  }
  out[[i]] <- do.call("rbind", out2)
  print(unique(input$from)[i])
}
output <- do.call("rbind", out)

但是，我需要将其应用到的数据表非常大，因此我需要最大限度地提高性能。有 data.table 方法吗？任何帮助将不胜感激！

【问题讨论】：

标签： r data.table subset apply

【解决方案1】：

dplyr 的选项

library(dplyr)
input %>%
 group_by(from, to) %>%
 summarise_at(vars(ends_with('_N')), sum)

或在data.table

library(data.table)
setDT(input)[, lapply(.SD, sum),  by = .(from, to), .SDcols = patterns('_N$')]

【讨论】：

【解决方案2】：

也许我忽略了一些东西，但似乎你只是在追求：

library(data.table)

setDT(input)[, .(from_N = sum(from_N), to_N = sum(to_N)), by = .(from, to)]

输出：

   from to from_N to_N
1:    A  a    160   20
2:    A  b    160   25
3:    A  c    160   50
4:    B  d    130   25
5:    B  e    130   10
6:    B  f    130   25

【讨论】：