使用派生列名在 R 中使用 data.table 进行动态聚合答案

【问题标题】：dynamic aggregations with data.table in R using derived column names使用派生列名在 R 中使用 data.table 进行动态聚合
【发布时间】：2014-04-28 09:05:05
【问题描述】：

我有这个具有不同列类型的 data.table。

我事先不知道列名，我只想为特定类型的列（比如数字）生成聚合。如何使用 data.table 实现这一点？

例如，考虑下面的代码：

dt <- data.table(ch=c('a','b','c'),num1=c(1,3,6), num2=1:9)

需要创建一个接受上述data.table的函数，并自动对按字符字段分组的数字字段执行计算（比如num1上的sum和num2上的mean，by ch）。如何动态实现？

我们可以使用sapply(dt, is.numeric) 找出数字列，但它以字符串形式提供列名 - 不知道如何将其插入 data.table。帮助表示赞赏。下面的代码给出了所需的概念 - 但不起作用

DoSomething <- function(dt)
{
    numCols <- names(dt)[sapply(dt, is.numeric)]
    chrCols <- names(dt)[sapply(dt, is.character)]
    dt[,list(sum(numCols[1]), mean(numCols[2])), by=(chrCols), with=F]
}

【问题讨论】：

标签： r data.table

【解决方案1】：

您可以使用.SDcols 参数来实现它。见例子。

require(data.table)

dt <- data.table(ch=c('a','b','c'), num1=c(1,3,6), num2=1:9)

DoSomething <- function(dt) {
    numCols <- names(dt)[sapply(dt, is.numeric)]
    chrCols <- names(dt)[sapply(dt, is.character)]
    dt[, list(sum(.SD[[1]]), mean(.SD[[2]])), by = chrCols, .SDcols = numCols]
}

DoSomething(dt)

【讨论】：

效果很好。我将研究这个 .SD 的工作原理。感谢您指出正确的方向。
快速跟进问题：如何保留dt[,,] 之后的所有列我在 dt 中还有其他因子列在此之后丢失。
@GopalakrishnaPalem，你想怎么看他们？作为by 变量？
好的。这是问题所在。我的 dt 由 {num1, num2, ch, fac1} 类型 {numeric, numeric, character, factor} 的四列组成。我的问题是 - 比如说，我需要为所有数字添加 +1 并保持其他所有内容相同。所以它是一个转变。现在感谢您的 .SDcols 提示，我可以使用 dt[,lapply(.SD,function(x) x+1), .SDcols=c('num1','num2')] 为我的所有号码添加 +1。在这种特殊情况下，我没有使用by，因为它不是聚合（下一步我必须这样做）。但是在这个增量之后，我在输出中没有更多的 ch 或 fac1 列用于聚合。任何指针，请。
@GopalakrishnaPalem 有一个解决方案。如果您可以就此提出一个新问题，最好的办法是，因为如果当前问题超出了范围。

【解决方案2】：

@djhurio 为您的问题提供了一个很好的解决方案。

data.table 中的.SD 和.SDcols 提供您想要的。

如果您在不同的列之间执行相同的计算，您可以尝试以下代码。

require(data.table)

dt <- data.table(ch=c('a','b','c'), num1=c(1,3,6), num2=1:9)

DTfunction <- function(dt){
    numCols <- names(dt)[sapply(dt, is.numeric)]
    chrCols <- names(dt)[sapply(dt, is.character)]
    dt <- dt[, lapply(.SD, mean), by = (chrCols), .SDcols = (numCols)]
}

可爱的代码。不是吗？ :)

【讨论】：

请检查您的代码。 lapply 和 mean 都没有 by 参数。
我猜他的意思是，dt[, lapply(.SD, mean), by = chrCols, .SDcols = (numCols)]
@GopalakrishnaPalem 是的。在此示例中，DTfunction 返回 NULL。