我想使用data.table的lapply(.SD,…)方法执行多个聚合,即计算几个变量的几个不同的汇总统计信息.但我的猜测是如何以错误或相当于rbind而不是cbind的方式结束. 例如,要通过cyl获得mtcars的平均
例如,要通过cyl获得mtcars的平均值和中位数mpg,可以执行以下操作：
mtcars.dt <- data.table(mtcars)
mtcars.dt[, list(mpg.mean = mean(mpg), mpg.median = median(mpg)), by = "cyl"]
# Result:
cyl mpg.mean mpg.median
|1: 6 19.74 19.7
|2: 4 26.66 26.0
|3: 8 15.10 15.2
但是应用.SD方法可以解决这些问题：
mtcars.dt[, lapply(.SD, function(x) list(mean(x), median(x))),
by = "cyl", .SDcols = c("mpg")]
# Result:
cyl mpg
1: 6 19.7428571428571
2: 6 19.7
3: 4 26.6636363636364
4: 4 26
5: 8 15.1
6: 8 15.2
或完全打破：
mtcars.dt[, lapply(.SD, list(mean, median)),
by = "cyl", .SDcols = c("mpg")]
# Result:
Error in `[.data.table`(mtcars.dt, , lapply(.SD, list(mean, median)), :
attempt to apply non-function
编辑：正如Senor O所说,一些答案为我的例子提供了工作,但仅仅因为有一个聚合列.理想的解决方案适用于多列,例如替换以下内容：
mtcars.dt[, list(mpg.mean = mean(mpg), mpg.median = median(mpg),
hp.mean = mean(hp), hp.median = median(hp)), by = "cyl"]
# Result:
cyl mpg.mean mpg.median hp.mean hp.median
1: 6 19.74 19.7 122.29 110.0
2: 4 26.66 26.0 82.64 91.0
3: 8 15.10 15.2 209.21 192.5
但是,即使它适用于单个列,它仍然有用.例如,我的直接用例是一个函数,它将列名作为字符串并为其计算多个分组指标,这是没有.SDcols AFAIK的情况下无法实现的.
你错过了[[1]]或$mpg：mtcars.dt[, lapply(.SD, function(x) list(mean(x), median(x)))[[1]],
by="cyl", .SDcols=c("mpg")]
#or
mtcars.dt[, lapply(.SD, function(x) list(mean(x), median(x)))$mpg,
by="cyl", .SDcols=c("mpg")]
# cyl V1 V2
#1: 6 19.74286 19.7
#2: 4 26.66364 26.0
#3: 8 15.10000 15.2
对于更一般的情况,请尝试：
mtcars.dt[, as.list(unlist(lapply(.SD, function(x) list(mean=mean(x),
median=median(x))))),
by="cyl", .SDcols=c("mpg", "hp")]
# cyl mpg.mean mpg.median hp.mean hp.median
# 1: 6 19.74 19.7 122.29 110.0
# 2: 4 26.66 26.0 82.64 91.0
# 3: 8 15.10 15.2 209.21 192.5
(或as.list(sapply(.SD,…)))