Question

我猜这真是两个问题。我正在尝试使用data.table包来总结一个大型数据集。假设我的原始大数据集是df1，不幸的是df1有50列（y0 ... y49），我想要3个字段的总和（segmentfield1，segmentfield2，segmentfield3）。有没有比输入每个y0 ... y49列更简单的方法呢？与此相关的是，data.table是否有通用的na.rm = T而不是每个总和都要输入？

dt1 <- data.table(df1)
setkey(dt1, segmentfield1, segmentfield2, segmentfield3)
dt2 <- dt1[,list( y0=sum(y0,na.rm=T), y1=sum(y1,na.rm=T), y2=sum(y2,na.rm=T), ... 
            y49=sum(y49,na.rm=T) ),
            by=list(segmentfield1, segmentfield2, segmentfield3)]

Answer 1

首先，为正在使用的名称创建对象变量：

colsToSum <- names(dt1)  # or whatever you need
summedNms <- paste0( "y", seq_along(colsToSum) )

如果您想将其复制到新的data.table

dt2 <- dt1[, lapply(.SD, sum, na.rm=TRUE), .SDcols=colsToSum]
setnames(dt2, summedNms)

如果是替代方案，您希望将列附加到原始

dt1[, c(summedNms) := lapply(.SD, sum, na.rm=TRUE), .SDcols=colsToSum]

就普通na.rm流程而言，data.table没有特定的流程，但请查看?na.omit和?na.exclude

使用R中的data.table对许多列求和，删除NA

1 个答案: