Question

我有一个数据表，其中包含超过90000个观察值和1201个变量。除最后一个以外的所有列均存储数值，最后一列是带有源文件名（超过100个）的列。这是数据表的一小部分示例：

library(data.table)
DT <- data.table(V1=sample(0:100,20,replace=TRUE), 
V2=sample(0:100,20,replace=TRUE), V3=sample(0:100,20,replace=TRUE), 
V4=sample(0:100,20,replace=TRUE), V5=sample(0:100,20,replace=TRUE), 
V6=sample(0:100,20,replace=TRUE), V7=sample(0:100,20,replace=TRUE), 
file=rep(c("A","B","C","D"), each = 5))

我想做的是计算每组（file）中所有值的中位数。所以例如对于A组，将立即从第1,2,3,4,5行计算中位数。在下一步中，我想根据组将中位数分配给每一行（下面的预期输出）。

这个问题似乎很简单，我在Google上搜索了许多有关中位数/平均值计算的类似问题，具体取决于一组（aggregate是最受欢迎的解决方案之一）。但是，在所有情况下，中值计算都只考虑一列。这是7（或在我的原始数据1200中），median不接受-我应该提供一个数值向量。因此，我尝试了unlist，aggregate，dplyr软件包，tapply，但很幸运……

由于数据和组（即file）的数量，该代码应该是非常自动和高效的...非常感谢您的帮助！

如果显然失败的代码只是一个小例子：

DT_median <- setDT(DT)[, DT_med := median(DT[,1:7]), by = file]

预期结果应如下所示：

V1  V2  V3  V4  V5  V6  V7  file DT_med
42  78  9   0   60  46  65  A    37.5
36  36  46  45  5   96  64  A    37.5
83  31  92  100 15  2   9   A    37.5
36  16  49  82  32  4   46  A    37.5
29  17  39  6   62  52  97  A    37.5
37  70  17  90  8   10  93  B    47
72  62  68  83  96  77  20  B    47
10  47  29  2   93  16  30  B    47
69  87  7   47  96  17  8   B    47
23  70  72  27  10  86  49  B    47
78  51  13  33  56  6   39  C    51
28  92  100 5   75  33  17  C    51
71  82  9   20  34  83  22  C    51
62  40  84  87  37  45  34  C    51
55  80  55  94  66  96  12  C    51
93  1   99  97  7   77  6   D    41
53  55  71  12  19  25  28  D    41
27  25  28  89  41  22  60  D    41
91  25  25  57  21  98  27  D    41
2   63  17  53  99  65  95  D    41

Answer 1

由于我们要根据所有值（按“文件”，median Data.table的子集（unlist）分组的值来计算.SD，因此获得{{1} }并分配（median）输出以创建新列'DT_med'

:=

具有分组的数据表中多个行和列的中位数

1 个答案: