Question

我有一个data.table，其中包含多个变量，这些变量的值有限。对于每个变量，我想构建一个表来计算具有每个值的观察的分数，并进行分组。

示例数据：

SELECT DISTINCT phrase, len(phrase) l, [id] FROM X WHERE CONTAINS(phrase, searchPhrase)

我想要两个结果表：

OPTIMIZE FOR

，同样适用于data = data.table(group = c(1,1,1,1,1,2,2,2,2,2,3,3,3,3,3), Var1 = c(1,1,2,2,3,1,2,3,2,2,3,1,2,3,1), Var2 = c(1,1,2,3,2,2,2,2,1,2,3,2,1,1,3))。这对于单个变量来说很简单：

Var1:
group | Var1_1  | Var1_2  | Var1_3
------|---------|---------|---------
1     | .4      | .4      | .2
2     | .2      | .6      | .2
3     | .4      | .2      | .4

但是因为我有很多变量，所以我想在一个循环中这样做。我已经在外线通话和Var2通话中使用了data[, .(Var1_1 = .SD[Var1 == 1, .N]/.N, Var1_2 = .SD[Var1 == 2, .N]/.N, Var1_3 = .SD[Var1 == 3, .N]/.N), by = group, .SDcols = "Var1"]，但是还没有能够做到正确。理想情况下，我可以将列名称传递给with = FALSE＆＃39; s .SD子集.SD，理想情况下，作为i的参数来创建输出变量名称（例如.SDcols）。

paste0()

有关如何执行此操作的任何建议？

Answer 1

我们也可以使用dcast

中的data.table执行此操作

lapply(variables, function(x) dcast(data[, .N , c('group', x)][, 
     Perc := N/sum(N), group][, N := NULL], group~..., value.var = "Perc", fill = 0))
#[[1]]
#   group   1   2   3
#1:     1 0.4 0.4 0.2
#2:     2 0.2 0.6 0.2
#3:     3 0.4 0.2 0.4

#[[2]]
#   group   1   2   3
#1:     1 0.4 0.4 0.2
#2:     2 0.2 0.8 0.0
#3:     3 0.4 0.2 0.4

Answer 2

table和prop.table通常可以方便地构建这样的比例表。

lapply(variables, function(var) data[, prop.table(table(group, get(var)), margin = 1)])

#[[1]]

#group   1   2   3
#    1 0.4 0.4 0.2
#    2 0.2 0.6 0.2
#    3 0.4 0.2 0.4

#[[2]]

#group   1   2   3
#    1 0.4 0.4 0.2
#    2 0.2 0.8 0.0
#    3 0.4 0.2 0.4

使用= FALSE和.SD来分配.SD的ROWS

2 个答案: