對列的另一個子集（.SDcols）應用函數，同時在另一列（組內）應用不同的函數

Question

這與將多個列應用到data.table的多列的問題非常相似.SDcolsanswered thoroughly here。

不同之處在於我想同時在不屬於.SD子集的另一列上應用不同的函數。我張貼下面一個簡單的例子來說明我的努力來解決這個問題：

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] 

產生以下錯誤：

Error in `[.data.table`(dt, , list(v1 = sum(v1), lapply(.SD, mean)), by = grp, 
: object 'v1' not found 

現在，這是有道理的，因爲v1列不在列的子集，包括必須首先對其進行評估。所以，我進一步探討將其包含在我的專欄的子集：

sd.cols = c("v1","v2", "v3") 
dt.out = dt[, list(sum(v1), lapply(.SD,mean)), by = grp, .SDcols = sd.cols] 

現在，這不會導致錯誤，但它在V1欄提供了包含9行（3組）的答案，與和重複三次，如下所示爲放置在V2所有3列（如預期但不想要的）的裝置：

> 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 

解決方法解決方案使用2步驟

顯然這可以通過按組計算mean爲列的子集，並通過組爲單柱也加入到sum如下解決多個步驟的問題：

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 

我敢肯定，這是一個相當簡單的事情我我錯過了，提前感謝任何指導。

Answer 1

更新：問題#495與this recent commit現在問題解決了，我們現在可以做到這一點就好了：

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] 

但是請注意，在這種情況下，v2將返回一個列表。那是因爲你有效地做了list(val, list())。你打算也許做的是：

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 

---

見歷史舊的答案。

Answer 2

試試這個：

dt[,list(sum(v1), mean(v2), mean(v3)), by=grp] 

在data.table，第二個參數中使用list()允許您描述一組導致最終data.table列。

對於什麼值得，.SD可能會很慢[^ 1]，所以你可能想要避免它，除非你真的需要所有在子集data.table中提供的數據，就像你可能需要一個更復雜的函數。

如果.SDcols有很多列，則使用data.table合併語法在另一行中執行合併。

例如：

dt[, sum(v1), by=grp][dt[,lapply(.SD,mean), by=grp, .SDcols=sd.cols]] 

爲了使用從data.table的merge，您需要在您的data.table所以它知道如何搭配的事情了首先使用setkey()。

所以真的，首先你需要：

setkey(dt, grp) 

然後你就可以使用上面的線產生相當的結果。

[^ 1]：當你的組數接近總行數時，我覺得這是特別真實的。例如，這可能發生在你的密鑰是個人ID並且許多人只有一個或兩個觀察值的地方。