我正在努力使用data.table来总结矢量函数的结果，这在ddply中很容易。
问题1：使用矢量输出聚合（昂贵）函数
dt <- data.table(x=1:20,y=rep(c("a","b"),each=10))
这个ddply命令可以产生我想要的东西：
ddply(dt,~y,function(dtbit) quantile(dtbit$x))
此数据表命令无法执行我想要的操作：
dt[,quantile(x),by=list(y)]
我可以像这样破解data.table：
dt[,list("0%"=quantile(x,0),"25%"=quantile(x,0.25),
"50%"=quantile(x,0.5)),by=list(y)]
但是那个冗长，如果矢量函数“分位数”很慢，也会很慢。
类似的例子是：
dt$z <- rep(sqrt(1:10),2)
ddply(dt,~y,function(dtbit) coef(lm(z~x,dtbit)))
问题2：使用带矢量输入和输出的函数
xzsummary <- function(dtbit) t(summary(dtbit[,"x"]-dtbit[,"z"]))
ddply(dt,~y,xzsummary )
我可以在data.table中轻松完成这类工作吗？
如果这些问题已得到明确回答，请道歉。
这是一个类似的，不完全相同的问题： data.table aggregations that return vectors, such as scale()
答案 0 :(得分：7)
> dt[ , as.list(quantile(x)),by=y]
y 0% 25% 50% 75% 100%
1: a 1 3.25 5.5 7.75 10
2: b 11 13.25 15.5 17.75 20
我尝试使用rbind，但未能产生我认为你想要的by-y安排。 as.list（vs. list）的技巧是它构造了一个多元素列表wehn givne一个向量，而list只将向量放入一个元素列表。
as.list的行为类似于sapply(x, list)：
> dt[ , sapply(quantile(x), list), by=y]
y 0% 25% 50% 75% 100%
1: a 1 3.25 5.5 7.75 10
2: b 11 13.25 15.5 17.75 20
您的目标解决方案：
> ddply(dt,~y,function(dtbit) quantile(dtbit$x))
y 0% 25% 50% 75% 100%
1 a 1 3.25 5.5 7.75 10
2 b 11 13.25 15.5 17.75 20
我为这个解决方案感到自豪，但注意fortunes::fortune("Liaw-Baron principle") ............
最后，通过我们所谓的“Liaw-Baron原则”，可以提出的每一个问题实际上都是 已被问过。 - Dirk Eddelbuettel（引用Andy Liaw和Jonathan Baron关于R-help的独特问题的意见） R-help（2006年1月）
....我搜索了[r] data.table as.list，并发现我绝不是第一个在SO上发布此策略的人：
Using ave() with function which returns a vector
create a formula in a data.table environment in R
我真的不知道这个问题是否会被视为重复，但我特别感谢@ G.Grothedieck的最后一个。这可能是我选择策略的地方。那次搜索大约有125次点击，我只是通过前20次搜集这些例子，所以可能还有一些我没有发现的珍珠。