在 R 中的 data.table 中运行一个函数答案

【问题标题】：Run a function inside data.table in R在 R 中的 data.table 中运行一个函数
【发布时间】：2018-10-31 16:46:14
【问题描述】：

您好，我在 R 中有一些 data.table 格式的数据，我需要运行一些函数。

假设我有一个名为 A 的 data.table，其中包含“名称”、“高度”、“重量”等列。

我想运行一些函数，即 data.table 中的线性回归并将系数 RMSE 存储到表结果中。

A[, .(beta = lm(height ~ weight)$coefficients[2], RMSE = 
     as.numeric(sqrt(crossprod(lm(height 
     ~ weight)$residuals)/(length(lm(height ~ weight)$residuals)- 
     (length(coef(lm(height ~ weight)))-1)))*100),
     by=.(name)]

我的问题：有没有办法将 lm(height ~ weight) 结果保存为一个对象，然后访问这个对象的数据，这样 data.table 就不需要在这里运行 lm 函数 4 次？

这运行，但与我使用 foreach 和循环“名称”相比它有点太慢，因为我有数百万行数据。

谢谢。

【问题讨论】：

这确实引出了“整洁”工作的问题（参考了大部分 tidyverse），但速度/效率与 data.table 一样。有趣的是，我会寻找一个很好的讨论/教育！
目前，如果我运行 lm 函数只获取系数，则需要 2 秒。如果我需要运行 lm 函数 4 次来计算 RMSE，它需要 12 秒！我现在已经习惯了 data.table 语法，但是随着 tidyverse 的规模越来越大，我可能需要同时学习这两种语法！
相关：data.table: anonymous function in j。使用{ }，j 中的匿名机构。用你想要的任何功能填充它（例如lm！）。最后，将所需的返回变量包装在list( )（或点别名.( )）中。
在此处查看答案中的示例：Using data.table to create a column of regression coefficients，例如第二个使用{ } 并首先创建“辅助”对象，然后在list(...) 中返回列。
另外，lm() 也很慢，因为它做的太多了——lm.fit() 是一个更简单的选择，但你可能必须计算自己的残差。而且您可能不想为了方便而多次运行lm()。

标签： r data.table

【解决方案1】：

通过使用 Henrik 建议的匿名正文，我可以加快进程！

A[, {model <- lm(height ~ weight)
       BETA <- model$coefficient[2]
       RMSE <- as.numeric(sqrt(crossprod(model$residuals)/(length(model$residuals)- 
               (length(coef(model))-1)))*100)

       list(BETA = BETA, RMSE = RMSE)
       },
 by = .(name)]

显然，匿名主体 (lambda) 不需要名称，它就像“运行一次就忘记”。在这个 lambda 中，lm() 函数运行一次（每组），结果存储在一个对象中。

然后我们可以从模型对象中提取所需的数据，最后提供list()让j将提取的数据转换成列。

非常感谢！

【讨论】：