我有一个与此相关的问题,我之前曾问过:Assignment of a value from a foreach loop。我发现尽管友好用户提供的解决方案指向了正确的方向,但它们并没有解决我的实际问题。这里是样本数据集:
td <- data.table(date=c(rep(1,10),rep(2,10)),var=c(rep(1,4),2,rep(1,5)),id=rep(1:10,2))
它与以前相同,但它更好地反映了我的真实数据我想用文字做什么:对于每个id,我想在一定时期内得到所有其他id的均值(例如mean(td [date = =“2004-01-01”&amp; id!= 1] $ var)但是适用于所有期间和所有ID)。所以它是某种嵌套操作。我尝试过类似的东西:
td[,.SD[,mean(.SD$var[-.I]),by=id],by=date]
但这并没有给出正确的结果。
答案 0 :(得分:5)
Josh very intelligently suggested to use `.BY ` instead of `.GRP`
td[, td[!.BY, mean(var), by=date], by=id]
如果您按id
键入,则可以通过以下方式使用.GRP
:
setkey(td, id)
## grab all the unique IDs. Only necessary if not all ids are
## represented in all dates
uid <- unique(td$id)
td[, td[!.(uid[.GRP]), mean(var), by=date] , by=id]
id date V1
1: 1 1 1.111111
2: 1 2 1.111111
3: 2 1 1.111111
4: 2 2 1.111111
5: 3 1 1.111111
6: 3 2 1.111111
7: 4 1 1.111111
8: 4 2 1.111111
9: 5 1 1.000000
10: 5 2 1.000000
11: 6 1 1.111111
12: 6 2 1.111111
13: 7 1 1.111111
14: 7 2 1.111111
15: 8 1 1.111111
16: 8 2 1.111111
17: 9 1 1.111111
18: 9 2 1.111111
19: 10 1 1.111111
20: 10 2 1.111111
答案 1 :(得分:3)
这样做吗?
DT[,{
vbar <- mean(var)
n <- .N
.SD[,(n*vbar-sum(var))/(n-.N),by=id]
},by='date']
编辑(回复@ Arun的评论):中间的神秘表达是(伪代码)的解决方案
mean(everything) = weight(this)*mean(this) + weight(others)*mean(others)
EDIT2(基准测试):我更喜欢Josh / Richardo的答案,但这一代代数减少了计算次数,因为重要的是:
require(microbenchmark)
setkey(DT,id)
microbenchmark(
algebra=DT[,{
vbar <- mean(var)
n <- .N
.SD[,(n*vbar-sum(var))/(n-.N),by=id]
},by='date'],
bybyby=DT[, DT[!.BY, mean(var), by=date], by=id]
)
# Unit: milliseconds
# expr min lq median uq max neval
# algebra 6.448764 6.920922 7.083707 7.38093 64.36238 100
# bybyby 37.778504 39.425788 41.628918 44.26533 130.85040 100
用户可能已经将他们的DT锁定了,但如果没有,我猜这也会带来轻微的成本。