在列子集(.SDcols)上应用函数，而对另一列(组内)应用不同的函数
这非常类似于将公共函数应用于data.table uning .SDcols answered thoroughly here的多列的问题。
不同之处在于，我希望在另一列上同时应用不同的函数，该列不是.SD子集的一部分。我在下面发布了一个简单的例子，展示了我解决这个问题的尝试：
dt = data.table(grp = sample(letters[1:3],100, replace = TRUE),
v1 = rnorm(100),
v2 = rnorm(100),
v3 = rnorm(100))
sd.cols = c("v2", "v3")
dt.out = dt[, list(v1 = sum(v1), lapply(.SD,mean)), by = grp, .SDcols = sd.cols]产生以下错误：
Error in `[.data.table`(dt, , list(v1 = sum(v1), lapply(.SD, mean)), by = grp,
: object 'v1' not found现在，这是有意义的，因为v1列不包括在必须首先计算的列子集中。因此，我进一步探讨了如何将它包含在专栏的子集中：
sd.cols = c("v1","v2", "v3")
dt.out = dt[, list(sum(v1), lapply(.SD,mean)), by = grp, .SDcols = sd.cols]现在，这不会导致错误，但它提供了一个包含9行(3个组)的答案，在V1列中重复了三次和，并将所有3列(如预期但不需要)的平均值放置在V2中，如下所示：
> dt.out
grp V1 V2
1: c -1.070608 -0.0486639841313638
2: c -1.070608 -0.178154270921521
3: c -1.070608 -0.137625003604012
4: b -2.782252 -0.0794929150464099
5: b -2.782252 -0.149529237116445
6: b -2.782252 0.199925178109264
7: a 6.091355 0.141659419355985
8: a 6.091355 -0.0272192037753071
9: a 6.091355 0.00815760216214876使用两个步骤的解决方案
显然，通过对列的子集按组计算mean并按组将其加入到单个列的sum中，可以通过多个步骤解决这个问题，如下所示：
dt.out1 = dt[, sum(v1), by = grp]
dt.out2 = dt[, lapply(.SD,mean), by = grp, .SDcols = sd.cols]
dt.out = merge(dt.out1, dt.out2, by = "grp")
> dt.out
grp V1 v2 v3
1: a 6.091355 -0.0272192 0.008157602
2: b -2.782252 -0.1495292 0.199925178
3: c -1.070608 -0.1781543 -0.137625004我相信这是一个相当简单的事情，我错过了，谢谢您的任何指导。
回答 2
Stack Overflow用户
发布于 2013-12-08 23:10:01
更新：问题#495现在已经用this recent commit解决了，我们现在可以很好地做到这一点：
require(data.table) # v1.9.7+
set.seed(1L)
dt = data.table(grp = sample(letters[1:3],100, replace = TRUE),
v1 = rnorm(100),
v2 = rnorm(100),
v3 = rnorm(100))
sd.cols = c("v2", "v3")
dt.out = dt[, list(v1 = sum(v1), lapply(.SD,mean)), by = grp, .SDcols = sd.cols]但是，请注意，在本例中，v2将作为列表返回。这是因为您正在有效地执行list(val, list())。也许你打算做的是：
dt[, c(list(v1=sum(v1)), lapply(.SD, mean)), by=grp, .SDcols = sd.cols]
# grp v1 v2 v3
# 1: a -6.440273 0.16993940 0.2173324
# 2: b 4.304350 -0.02553813 0.3381612
# 3: c 0.377974 -0.03828672 -0.2489067更古老的答案请参阅历史。
Stack Overflow用户
发布于 2013-12-08 23:03:57
试试这个：
dt[,list(sum(v1), mean(v2), mean(v3)), by=grp]在data.table中，在第二个参数中使用list()可以描述导致最终data.table的一组列。
就其价值而言，.SD可能非常慢^1，因此您可能希望避免它，除非您确实需要在子设置的data.table中提供的所有数据，就像您可能需要更复杂的函数那样。
如果.SDcols有许多列，则另一个选项是使用data.table合并语法在一行中进行合并。
例如：
dt[, sum(v1), by=grp][dt[,lapply(.SD,mean), by=grp, .SDcols=sd.cols]]为了使用来自merge的data.table，您需要首先在data.table上使用setkey()，以便它知道如何匹配。
所以，首先，你需要：
setkey(dt, grp)然后，您可以使用上面的行产生一个等效的结果。
^1:当您的组数接近总行数时，我发现这是特别正确的。例如，如果您的密钥是单个ID，而且许多个人只有一两个观察，则可能会发生这种情况。
https://stackoverflow.com/questions/20459519
复制相似问题
腾讯云开发者
