Question

考虑以下

mtcars.dt <- data.table(mtcars)
DT1 = mtcars.dt[, lapply(.SD, mean), by=cyl]
DT2 = mtcars.dt[, lapply(.SD, mean)]

现在，我们有以下值：

> DT1
   cyl      mpg     disp        hp     drat       wt     qsec        vs        am     gear     carb
1:   6 19.74286 183.3143 122.28571 3.585714 3.117143 17.97714 0.5714286 0.4285714 3.857143 3.428571
2:   4 26.66364 105.1364  82.63636 4.070909 2.285727 19.13727 0.9090909 0.7272727 4.090909 1.545455
3:   8 15.10000 353.1000 209.21429 3.229286 3.999214 16.77214 0.0000000 0.1428571 3.285714 3.500000

和

> DT2
        mpg    cyl     disp       hp     drat      wt     qsec     vs      am   gear   carb
1: 20.09062 6.1875 230.7219 146.6875 3.596563 3.21725 17.84875 0.4375 0.40625 3.6875 2.8125

现在，我希望DT1中每行的mpg，disp，...，用整个原始表的平均值（DT2中提供）进行归一化。

我该怎么做？这里有什么正确的习语？

编辑：这是所需的输出，抱歉我以前不太清楚。

    cyl      mpg      disp        hp      drat        wt      qsec       vs        am      gear      carb
1:    6 0.9826900 0.7945249 0.8336478 0.9969837 0.9688843 1.0071934 1.306122 1.0549451 1.0460048 1.2190476
2:    4 1.3271681 0.4556844 0.5633497 1.1318889 0.7104599 1.0721912 2.077922 1.7902098 1.1093991 0.5494949
3:    8 0.7515943 1.5304141 1.4262584 0.8978812 1.2430536 0.9396817 0.000000 0.3516484 0.8910412 1.2444444

Answer 1

mapply('/',subset(DT1, select=-cyl), subset(DT2, select=-cyl))

但这只是dataframe-ly

Answer 2

此处有更多data.table ish解决方案，该解决方案使用高效set功能（我在CRAN上使用最新的data.table版本btw-1.9.6 ）

创建DT1

library(data.table) # V 1.9.6+
mtcars.dt <- data.table(mtcars)
DT1 <- mtcars.dt[, lapply(.SD, mean), by = cyl]

现在创建DT2，同时通过在cyl参数中否定{<1}}列来避开.SDcols列

DT2 <- unlist(mtcars.dt[, lapply(.SD, mean), .SDcols = -"cyl"])

现在循环遍历DT1中的第二列并点击并更新DT1 到位，同时除以DT2

中的元素

for (j in 2L:length(DT1)) set(DT1, j = j, value = DT1[[j]]/DT2[j - 1L])
DT1
#    cyl       mpg      disp        hp      drat        wt      qsec       vs        am      gear      carb
# 1:   6 0.9826900 0.7945249 0.8336478 0.9969837 0.9688843 1.0071934 1.306122 1.0549451 1.0460048 1.2190476
# 2:   4 1.3271681 0.4556844 0.5633497 1.1318889 0.7104599 1.0721912 2.077922 1.7902098 1.1093991 0.5494949
# 3:   8 0.7515943 1.5304141 1.4262584 0.8978812 1.2430536 0.9396817 0.000000 0.3516484 0.8910412 1.2444444

Answer 3

每行标准化然后由cyl聚合可以解决您的问题吗？

喜欢那样： mtcars.dt＆lt; - data.table（mtcars）

# normalise by cyl
sdcol <- names(mtcars.dt)[names(mtcars.dt) != "cyl"]
res <- mtcars.dt[, lapply(.SD, function(x) x / mean(x)), .SDcols = sdcol]
res[, cyl := mtcars.dt[, cyl]]

# aggregate
res2 <- res[, lapply(.SD, mean), by = cyl]

或简短版本：

mtcars.dt[, lapply(.SD, function(x) x / mean(x)), .SDcols = sdcol][, cyl := mtcars.dt[, cyl]][, lapply(.SD, mean), by = cyl]

将data.table行除以总平均值

3 个答案: