Question

在评估data.table（与dplyr）的效用时，关键因素是能够在函数和循环中使用它。
为此，我修改了此帖中使用的代码段：data.table vs dplyr: can one do something well the other can't or does poorly?，以便代替硬编码的数据集变量名称（＆＃34; cut＆＃34;＆＃34; price＆＃34 ;＆＃34;钻石＆＃34;数据集）的变量，它变得与数据集无关 - 切割n-paste准备好在任何函数或循环中使用（当我们事先不知道列名时）。

这是原始代码：

library(data.table)
dt <- data.table(ggplot2::diamonds)
dt[cut != "Fair", .(mean(price),.N), by = cut]

这是与数据集无关的等价物：

dt <- data.table(diamonds)
nVarGroup <- 2 #"cut"
nVarMeans <- 7 #"price"

strGroupConditions <- levels(dt[[nVarGroup]])[-1] # "Good" "Very Good" "Premium" "Ideal" 
strVarGroup <- names(dt)[nVarGroup]
strVarMeans <- names(dt)[nVarMeans]
qAction <- quote(mean(get(strVarMeans))) #! w/o get() it does not work! 
qGroup <- quote(get(strVarGroup) %in% strGroupConditions) #! w/o get() it does not work! 
dt[eval(qGroup), .(eval(qAction), .N), by = strVarGroup]

注意（感谢下面的回复）：如果您需要通过引用更改变量值，则需要使用()，而不是get()，如下所示：

strVarToBeReplaced <- names(dt)[1]
dt[eval(qGroup), (strVarToBeReplaced) := eval(qAction), by = strGroup][]

现在：您可以为所有循环需求剪切以下代码：

for(nVarGroup in 2:4)       # Grouped by several categorical values...
  for(nVarMeans in 5:10) {  # ... get means of all numerical parameters
    strGroupConditions <- levels(dt[[nVarGroup]])[-1] 
    strVarGroup <- names(dt)[nVarGroup]
    strVarMeans <- names(dt)[nVarMeans]
    qAction  <- quote(mean(get(strVarMeans))) 
    qGroup <- quote(get(strVarGroup) %in% strGroupConditions) 
    p <- dt[eval(qGroup), .(AVE=eval(qAction), COUNT=.N), by = strVarGroup]

    print(sprintf("nVaGroup=%s, nVarMeans=%s: ", strVarGroup, strVarMeans))
    print(p)
  }

我的第一个问题：
上面的代码虽然能够满足所需的功能/循环需求，但却显得非常复杂。 - 它使用不同的多个（可能是不一致的）非直观技巧，例如()，get()，quote() / eval()，[[]]）的组合。对于这种直截了当的需求似乎太多了......

还有另一种更好的方法来访问和修改循环中的data.tables值吗？也许使用on=，lapply / .SD / {{1} }？

请在下面分享您的想法。此讨论旨在补充和整合其他帖子（例如此处列出的How can one work fully generically in data.table in R with column names in variables）中的相关位。最终，在.SDcols和data.table内使用functions创建专用的插图非常棒。

第二个问题：
dplyr是否更容易达到此目的？ - 但是，对于这个问题，我已经设置了一个单独的帖子：Is dplyr easier than data.table to be used within functions and loops?。

Answer 1

OP已要求数据集无关等效进行分组和聚合。

使用development version 1.10.5，data.table获得了新的分组集功能：rollup()，cube()和groupingsets()，这些功能允许聚合在各种分组水平上立刻产生小计和总计。

添加的抽象级别可用于数据集无关方法。在OP示例中使用双嵌套for循环计算的小计也可以通过

生成

library(data.table) # version 1.10.5 required
dt = data.table(ggplot2::diamonds)
groupingsets(dt, c(lapply(.SD, mean), list(COUNT = .N)), 
     by = names(dt)[2:4], .SDcols = 5:10, id = FALSE,
     sets = as.list(names(dt)[2:4]))

          cut color clarity    depth    table    price        x        y        z COUNT
 1:     Ideal    NA      NA 61.70940 55.95167 3457.542 5.507451 5.520080 3.401448 21551
 2:   Premium    NA      NA 61.26467 58.74610 4584.258 5.973887 5.944879 3.647124 13791
 3:      Good    NA      NA 62.36588 58.69464 3928.864 5.838785 5.850744 3.639507  4906
 4: Very Good    NA      NA 61.81828 57.95615 3981.760 5.740696 5.770026 3.559801 12082
 5:      Fair    NA      NA 64.04168 59.05379 4358.758 6.246894 6.182652 3.982770  1610
 6:        NA     E      NA 61.66209 57.49120 3076.752 5.411580 5.419029 3.340689  9797
 7:        NA     I      NA 61.84639 57.57728 5091.875 6.222826 6.222730 3.845411  5422
 8:        NA     J      NA 61.88722 57.81239 5323.818 6.519338 6.518105 4.033251  2808
 9:        NA     H      NA 61.83685 57.51781 4486.669 5.983335 5.984815 3.695965  8304
10:        NA     F      NA 61.69458 57.43354 3724.886 5.614961 5.619456 3.464446  9542
11:        NA     G      NA 61.75711 57.28863 3999.136 5.677543 5.680192 3.505021 11292
12:        NA     D      NA 61.69813 57.40459 3169.954 5.417051 5.421128 3.342827  6775
13:        NA    NA     SI2 61.77217 57.92718 5063.029 6.401370 6.397826 3.948478  9194
14:        NA    NA     SI1 61.85304 57.66254 3996.001 5.888383 5.888256 3.639845 13065
15:        NA    NA     VS1 61.66746 57.31515 3839.455 5.572178 5.581828 3.441007  8171
16:        NA    NA     VS2 61.72442 57.41740 3924.989 5.657709 5.658859 3.491478 12258
17:        NA    NA    VVS2 61.66378 57.02499 3283.737 5.218454 5.232118 3.221465  5066
18:        NA    NA    VVS1 61.62465 56.88446 2523.115 4.960364 4.975075 3.061294  3655
19:        NA    NA      I1 62.73428 58.30378 3924.169 6.761093 6.709379 4.207908   741
20:        NA    NA      IF 61.51061 56.50721 2864.839 4.968402 4.989827 3.061659  1790

因此，我们不必知道列的名称。但是，我们必须指定要分组的列和要聚合的列。

Answer 2

这可能不是最data.table - 类似或最快的解决方案，但我会简化此特定循环中的代码，如下所示：

for(nVarGroup in 2:4) {      # Grouped by several categorical values...
  for(nVarMeans in 5:10) {  # ... get means of all numerical parameters
    strGroupConditions <- levels(dt[[nVarGroup]])[-1] 
    strVarGroup <- names(dt)[nVarGroup]
    strVarMeans <- names(dt)[nVarMeans]
    # qAction <- quote(mean(get(strVarMeans)))
    # qGroup <- quote(get(strVarGroup) %in% strGroupConditions)
    # p <- dt[eval(qGroup), .(AVE = eval(qAction), COUNT = .N), by = strVarGroup]
    setkeyv(dt, strVarGroup)
    p <- dt[strGroupConditions, .(AVE = lapply(.SD, mean), COUNT = .N), by = strVarGroup, 
            .SDcols = strVarMeans]

    print(sprintf("nVaGroup = %s, nVarMeans = %s", strVarGroup, strVarMeans))
    print(p)
  }
}

我已将旧代码留作评论以供参考。

使用qAction和lapply(.SD, mean)参数替换

.SDcols。

用于子集化行的

qGroup由设置键并将所需值的向量作为i参数的组合替换。

如果是一个更复杂的子集表达式，我会尝试使用on=语法使用非equi（或条件）连接。

或者，按照Matt Dowle's advice创建要评估的一个表达式，＆＃34;类似于构建要发送到服务器的动态SQL语句＆＃34;。

马特建议创建辅助函数

EVAL <- function(...) eval(parse(text = paste0(...)), envir = parent.frame(2))

可以与来自fn$包的gsubfn的＆＃34;准perl类型字符串插值组合，以提高EVAL解决方案的可读性。为suggested by G. Grothendieck。

有了这个，循环的代码最终成为：

EVAL <- function(...) eval(parse(text = paste0(...)), envir = parent.frame(2))
library(gsubfn)

for(nVarGroup in 2:4) {      # Grouped by several categorical values...
  for(nVarMeans in 5:10) {  # ... get means of all numerical parameters
    strGroupConditions = levels(dt[[nVarGroup]])[-1] 
    strVarGroup = names(dt)[nVarGroup]
    strVarMeans = names(dt)[nVarMeans]
    p <- fn$EVAL("dt[$strVarGroup %in% strGroupConditions, .(AVE=mean($strVarMeans), COUNT=.N), by = strVarGroup]" )

    print(sprintf("nVaGroup = %s, nVarMeans = %s", strVarGroup, strVarMeans))
    print(p)
  }
}

现在，data.table语句看起来非常像＆＃34; native＆＃34;除了在引用变量内容的地方使用$strVarGroup和$strVarMeans之外的语句。

对于版本1.1.0（2016-08-19上的CRAN版本），stringr包已获得字符串插值函数str_interp()，这是gsubfn包的替代方法

使用str_interp()，for循环中的中心语句将变为

p <- EVAL(stringr::str_interp(
  "dt[${strVarGroup} %in% strGroupConditions, .(AVE=mean(${strVarMeans}), COUNT=.N), by = strVarGroup]"
  ))

可以删除对library(gsubfn)的调用。

如何在函数和循环中使用data.table？

2 个答案: