data.table 中的行操作答案

【问题标题】：Row operations in data.tabledata.table 中的行操作
【发布时间】：2014-03-06 07:04:56
【问题描述】：

我尝试使用data.table 对行进行简单的求和和均值，但我得到了意想不到的结果。我遵循了FAQ manual 的第 2 节中的帮助，用于 data.table。我找到了一种可行的方法，但我不确定为什么常见问题解答第 2 节中的这种方法不可行。这种方法给了我不正确的结果（即，它给了我第一列的值）：

dt[, genesum:=lapply(.SD,sum), by=gene]
head(dt)

      gene      TCGA_04_1348      TCGA_04_1362   genesum  
  1:    A1BG          0.94565          0.70585  0.94565   
  2: A1BG-AS          0.97610          1.15850  0.97610   
  3:    A1CF          0.00000          0.02105  0.00000   
  4:   A2BP1          0.00300          0.04150  0.00300   
  5:   A2LD1          4.57975          5.02820  4.57975  
  6:     A2M         60.37320         36.09715 60.37320

这给了我想要的结果

dt[, genesum:=apply(dt[,-1, with=FALSE],1, sum)]
head(dt)

       gene     TCGA_04_1348       TCGA_04_1362 genesum
  1:    A1BG          0.94565          0.70585  1.65150
  2: A1BG-AS          0.97610          1.15850  2.13460
  3:    A1CF          0.00000          0.02105  0.02105
  4:   A2BP1          0.00300          0.04150  0.04450
  5:   A2LD1          4.57975          5.02820  9.60795
  6:     A2M         60.37320         36.09715 96.47035

我有更多的列和行，这只是一个子集。这和我设置key的方式有关系吗？

tables()
 NAME        NROW    MB COLS                                               KEY                                             
 [1,] dt     20,785  2  gene,TCGA_04_1348_01A,TCGA_04_1362_01A,genesum    gene

【问题讨论】：

标签： r data.table mean

【解决方案1】：

一些事情：

dt[, genesum:=lapply(.SD,sum), by=gene] 和 dt[, genesum:=apply(dt[ ,-1],1, sum)] 完全不同。
- dt[, genesum:=lapply(.SD,sum), by=gene] 循环遍历.SD data.table 的列并对它们求和
- dt[, genesum:=apply(dt[, -1], 1, sum)] 循环遍历行（即apply(x, 1, function) 将function 应用于x 中的每一行
我想你可以通过拨打rowSums得到你想要的，就像这样：
```
dt[, genesum := rowSums(dt[, -1])]
```

这就是你所追求的吗？

【讨论】：

我现在看到了不同之处。效率方面，apply 和 rowSums 没有区别？
@sahir：我认为rowSums 应该更快，因为我相信它避免了 R 中的循环，但是如果不是，它也会创建其输入的副本以将其转换为矩阵已经有一个了。
如何编写 rowSums 之类的函数...比如说 rowMedian ？
@IndranilGayen：为了避免 R 中的循环，您将不得不用 C/C++ 编写它。看看matrixStats 包，它提供了许多这样的 row* 和 col* 操作，并且它们通过委托给 C 来快速运行。（我链接到 github 而不是 CRAN，因此您可以更轻松地浏览 tis 源代码代码）

【解决方案2】：

这是另一种选择 (based on this SO question)：

dt[ ,  genesum := sum(.SD[, -1, with=FALSE]), by = 1:NROW(dt) ]

另一种选择：

# OR... you can create a column with row positions and apply your function by row
dt[, rowpos := .I]
dt[ ,  genesum := sum(.SD[, -1, with=FALSE]), by = rowpos]

【讨论】：