Question

我正在使用data.table包来加速数据集上的某些摘要统计信息收集。

我很好奇是否有一种方法可以按多列分组。我的数据如下：

  purchaseAmt        adShown        url
   15.54            00001         150000001
    4.82            00002         150000001
  157.99            05005         776300044
   ...               ...            ...

我可以这样做：

adShownMedian <- df1[,median(purchaseAmt),by="adShown"]

获取每个广告的中位数。我该如何处理adShown和url组合的内容？

我试过这个：

adShownMedian <- df1[,median(purchaseAmt),by=c("adShown","url")]

但没有运气。

有什么建议吗？

Answer 1

使用by=list(adShown,url)代替by=c("adShown","url")

示例：

set.seed(007) 
DF <- data.frame(X=1:20, Y=sample(c(0,1), 20, TRUE), Z=sample(0:5, 20, TRUE))

library(data.table)
DT <- data.table(DF)
DT[, Mean:=mean(X), by=list(Y, Z)]


     X Y Z      Mean
 1:  1 1 3  1.000000
 2:  2 0 1  9.333333
 3:  3 0 5  7.400000
 4:  4 0 5  7.400000
 5:  5 0 5  7.400000
 6:  6 1 0  6.000000
 7:  7 0 3  7.000000
 8:  8 1 2 12.500000
 9:  9 0 5  7.400000
10: 10 0 2 15.000000
11: 11 0 4 14.500000
12: 12 0 1  9.333333
13: 13 1 1 13.000000
14: 14 0 1  9.333333
15: 15 0 2 15.000000
16: 16 0 5  7.400000
17: 17 1 2 12.500000
18: 18 0 4 14.500000
19: 19 1 5 19.000000
20: 20 0 2 15.000000

Answer 2

要添加Jilber Urbina的答案，并解决kahlo评论：
如果您想为每个Y-Z组合使用汇总值得到一行，则可以这样做

DT[, .(X=mean(X)), by=list(Y, Z)]

与做相同

DT[, .(X=mean(X)), by=.(Y, Z)] 
# or
DT[, .(X=mean(X)), by=c('Y','Z')]
# or specify column names in vector
names = c('Y','Z')
DT[, .(X=mean(X)), by=names]

（data.table版本1.12.6）

如何按多列对data.table进行分组？

2 个答案: