Question

我想要与R summarizing multiple columns with data.table中相同的结果，但需要几个汇总函数。

这是一个例子

data <- as.data.table(list(x1 = runif(200), x2 = 10*runif(200), group = factor(sample(letters[1:2]))))

res <- data[, rbindlist(lapply(.SD, function(x) {
              return(list(name = "varname", mean = mean(x), sd = sd(x)))
           }))
          , by = group, .SDcols = c("x1", "x2")
          ]

得到以下结果：

   group    name      mean        sd
1:     b varname 0.5755798 0.2723767
2:     b varname 5.5108886 2.7649262
3:     a varname 0.4906111 0.3060961
4:     a varname 4.7780189 2.9740149

如何在第二列中获取列名（'x1'，'x2'）？我想我需要用rbindlist代替别的东西，但是什么呢？有没有简单的解决方案？

Answer 1

另一种方法是构造你自己的函数，这样你就可以避免这个rbindlist换行（我觉得这是不必要的），它可以让你自由地按照你想要的方式构建你的函数：

tmp <- function(x) { 
    mm <- colMeans(x)
    ss=sapply(x, sd)
    list(names=names(x), mean=mm, sd=ss)
}

data[, tmp(.SD), by=group]
   group names      mean        sd
1:     a    x1 0.4988514 0.2770122
2:     b    x1 0.5246786 0.3014248
3:     a    x2 4.8031253 2.7978401
4:     b    x2 4.9104108 2.9135656

Answer 2

您可以在lapply而不是names(.SD)上重复.SD。像这样：

data <- as.data.table(list(x1 = runif(200), x2 = 10*runif(200), group = factor(sample(letters[1:2]))))
res <- data[, rbindlist(lapply(names(.SD), function(name) {
              return(list(name = name, mean = mean(.SD[[name]]), sd = sd(.SD[[name]])))
           }))
          , by = group, .SDcols = c("x1", "x2")]

给出了：

   group name      mean        sd
1:     b   x1 0.5344272 0.2697610
2:     b   x2 4.7628178 2.8313825
3:     a   x1 0.5008916 0.2686017
4:     a   x2 4.6175027 2.8942875

R具有data.table的多列的多个统计信息

2 个答案: