Question

我有一个类似的问题：R: data.table : searching on multiple columns AND setting data type，但这个问题没有得到充分的回答。我有一个成对表，在概念上看起来像下面的那个。该表是将非常大的距离矩阵转换为data.table（＆gt; 100,000,000行）的结果，使得比较a，b与b，a相同。但是，a和b可能出现在V1或V2列中。我想使用data.table的查询样式计算简单的汇总统计信息，但我还没有弄清楚如何在任一列中选择密钥。这可能吗？

我已尝试在任一方向设置密钥，但这只返回该列的数据。我也尝试使用list（），但是返回交集（可以理解），我希望有一个by = key1 | key2，但没有这样的运气。

> set.seed(123)
> 
> #create pairwise data
> a<-data.table(t(combn(3,2)))
> #create column that is equal both ways, 1*2 == 2*1
> dat<-a[,data:=V1*V2]
> dat
   V1 V2 data
1:  1  2    2
2:  1  3    3
3:  2  3    6
#The id ==2 is the problem here, the mean should be 4 ((2+6)/2)

> #set keys
> setkey(dat,V1,V2)
> 
> #One way data
> dat[,c("MEAN","VAR"):=list(mean(data),var(data)),by=V1]
> dat
   V1 V2 data MEAN VAR
1:  1  2    2  2.5 0.5
2:  1  3    3  2.5 0.5
3:  2  3    6  6.0  NA

> #The other way
> dat[,c("MEAN","VAR"):=list(mean(data),var(data)),by=V2]
> dat
   V1 V2 data MEAN VAR
1:  1  2    2  2.0  NA
2:  1  3    3  4.5 4.5
3:  2  3    6  4.5 4.5
> 
> #The intersect just produces the original data
> dat[,c("MEAN","VAR"):=list(mean(data),var(data)),by=list(V1,V2)]
> dat
   V1 V2 data MEAN VAR
1:  1  2    2    2  NA
2:  1  3    3    3  NA
3:  2  3    6    6  NA
> 
> #Meaningless but hopefull attempt. 
> dat[,c("MEAN","VAR"):=list(mean(data),var(data)),by=V1|V2]
> dat
   V1 V2 data     MEAN      VAR
1:  1  2    2 3.666667 4.333333
2:  1  3    3 3.666667 4.333333
3:  2  3    6 3.666667 4.333333
#The goal is to create a table would look like this (using mean as an example)
ID MEAN
 1  2.5
 2  4.0
 3  4.5

我的默认想法是通过dat [V1 == x | V2 == x]声明循环，但我不认为我利用data.table的全部功能来返回单个列的id表示var作为汇总列。

谢谢！

Answer 1

最简单的方法是重新安排数据以达到您想要的效果（我正在使用下面data的回收，而不是在第一部分中键入c(data, data)）：

dat[, list(c(V1, V2), data)][, list(MEAN = mean(data)), by = V1]
#   V1 MEAN
#1:  1  2.5
#2:  2  4.0
#3:  3  4.5

R Data.table用于计算跨多列的摘要统计信息

1 个答案: