聚合 data.table 中的列以进行描述性统计

Question

我正在查看单个学生级别的学生数据集。

我想做的是在教师学位级别进行一些描述性分析。

也就是说，有些学生正在攻读两个学位（双学位，例如 IT 学士和理学学士），因此有些学生会获得两个学位。

我的数据如下所示。教师分配（无论是 FAC1 还是 FAC2）是任意的。

  studid    FAC1     FAC2   SUCCESS SEX     AVE_MARK  
    1       IT       ARTS     0     Male    65
    2       SCIENCE           1     Male    35
    3       LAW               0     Male    98
    4       IT       SCIENCE  0     Female  55
    5       COMMERCE IT       0     Female  20
    6       COMMERCE IT       1     Male    80

这是用

生成的

students<-data.table(studid=c(1:6) ,FAC1 = c("IT","SCIENCE", "LAW","IT","COMMERCE","COMMERCE"), FAC2 = c("ARTS","","","SCIENCE","IT","IT"), SUCCESS = c(0,1,0,0,0,1), SEX=c("Male","Male","Male","Female","Female","Male"), AVE_MARK=c(65,35,98,55,20,80))

我将如何制作这样的东西（虚构的数字）来创建一个包含 FAC1 和 FAC2 列的 Faculty 列？我一直在尝试在 FAC1 和 FAC2 中使用 lapply 函数，但一直处于死胡同（即 students[, lapply(.SD, mean), by=agg.by, .SDcols=c('FAC1', 'FAC2') ]

  FACULTY    MEAN_SUCCESS    AVE_MARK  
  IT         0.65               65
  SCIENCE    1                  50 
  LAW        0.76               50 
  ARTS       0.55               50 
  COMMERCE   0.40               10 

任何帮助将不胜感激。

Answer 1

这似乎是您正在寻找的。​​p>

library(reshape2)
DT <- melt(students,measure.vars=c("FAC1","FAC2"),value.name="FACULTY")[nchar(FACULTY)>0]
DT[,list(mean_success=mean(SUCCESS),ave_mark=mean(AVE_MARK)),by=FACULTY]
#     FACULTY mean_success ave_mark
# 1:       IT         0.25       55
# 2:  SCIENCE         0.50       45
# 3:      LAW         0.00       98
# 4: COMMERCE         0.50       50
# 5:     ARTS         0.00       65

所以这使用包reshape2 中的melt(...) 函数来折叠两个教师列，复制所有其他列。不幸的是，这会导致某些列的教员空白，因此我们必须摆脱那些使用[nchar(FACULTY)>0] 的列。然后根据（新）FACULTY 列进行聚合就很简单了。