爲什麼data.table分組取決於我是否直接將變量名稱傳遞給它？

Question

如果我將變量bloodpressure傳遞給data.table，一切正常。

tdt <- data.table(bloodpressure = rnorm(1000, mean=100, sd=15), male=rep(c(0,1))) 
strata.var <- with(tdt, get(c('male'))) 

tdt[,list(
      varname='bloodpressure', 
      N=.N, 
      mean=mean(bloodpressure, na.rm=TRUE), 
      sd=sd(bloodpressure, na.rm=TRUE) 
      ), 
     by=(strata.var)] 

我得到這樣的結果

strata.var  varname N  mean  sd 
1:   0 bloodpressure 500 100.2821 15.13686 
2:   1 bloodpressure 500 100.0392 15.02566 

相匹配的組是指

> mean(tdt$bloodpressure[tdt$male==0]) 
[1] 100.2821 
> mean(tdt$bloodpressure[tdt$male==1]) 
[1] 100.0392 

但是，如果我想以編程方式做到這一點，變量保存在另一個變量（var ）

var_as_string <- 'bloodpressure' 
var <- with(tdt, get(var_as_string)) 

tdt[,list(
      varname='bloodpressure', 
      N=.N, 
      mean=mean(var, na.rm=TRUE), 
      sd=sd(bloodpressure, na.rm=TRUE) 
      ), 
     by=(strata.var)] 

我得到了不同的結果。

strata.var  varname N  mean  sd 
1:   0 bloodpressure 500 100.1606 15.13686 
2:   1 bloodpressure 500 100.1606 15.02566 

注意，現在mean是相同的（即不按組在整個樣本來計算。

> mean(tdt$bloodpressure) 
[1] 100.1606 

Answer 1

確定。從this excellent post多幫助，我想我有答案...

colVars <- c('bloodpressure') 
byCols <- c('male') 
tdt[, lapply(.SD, function(x) mean=mean(x)), .SDcols = colVars, by=byCols] 
tdt[, list(
    mean = lapply(.SD, function(x) mean(x)), 
    sd = lapply(.SD, function(x) sd(x)) 
    ), .SDcols = colVars, by=byCols] 

訣竅是使用.SD,.SDcols，並將所有東西都包裹在lapply。

爲什麼它，儘管尋找年齡，它只是花了另一個時間塊起草一個問題，我設法找到答案後？一種https://meta.stackoverflow.com/問題...

Answer 2

您可以替換mean=mean(var, na.rm=TRUE),與mean=mean(get(var_as_string), na.rm=TRUE)，然後它應該工作 - 否則它只是使用數字矢量var而不是你想要它使用的數據表的字段（和兩個亞組返回mean(var) ）。

library(data.table) 
set.seed(1) 
tdt <- data.table(bloodpressure = rnorm(1000, mean=100, sd=15), male=rep(c(0,1))) 
strata.var <- with(tdt, get(c('male'))) 

tdt[,list(
     varname='bloodpressure', 
     N=.N, 
     mean=mean(bloodpressure, na.rm=TRUE), 
     sd=sd(bloodpressure, na.rm=TRUE) 
     ), 
    by=(strata.var)]   
# strata.var  varname N  mean  sd 
#1:   0 bloodpressure 500 99.58425 15.55735 
#2:   1 bloodpressure 500 100.06630 15.50188 

var_as_string <- 'bloodpressure' 

tdt[,list(
     varname='bloodpressure', 
     N=.N, 
     mean=mean(get(var_as_string), na.rm=TRUE), 
     sd=sd(bloodpressure, na.rm=TRUE) 
     ), 
    by=(strata.var)]     
# strata.var  varname N  mean  sd 
#1:   0 bloodpressure 500 99.58425 15.55735 
#2:   1 bloodpressure 500 100.06630 15.50188