r-使用data.table和多列的for循环创建表

Question

我需要使用data.table来加速代码。我一直被困在如何引用从向量索引的变量上。

数据：

df <- data.frame(
id=c(1,1,1,2,2,2,3,3,3),
year=as.character(c(2014, 2015, 2016, 2015, 2015, 2016, NA, NA, 2016)),
code=c(1,2,2, 1,2,3, 3,4,5),
dv1=1:9,
dv2=2:10
) %>% as.data.table()

dtplyr代码：

cols <- c("dv1", "dv2")
test <- function(data, columns, group) {
for(i in seq_along(columns)) {
sub1 <- df %>% 
select("id", columns[i], group) %>%
group_by(.data[[group]]) %>%
summarise(mean=mean(.data[[columns[i]]], na.rm=T), sd=sd(.data[[columns[i]]], na.rm=T)) %>%
ungroup() %>%
as_tibble() 
print(sub1)
}
}

data.table尝试：

test <- function(data, columns, group) {
for(i in seq_along(columns)) {
sub1 <- df %>% 
.[, .(id, columns[i], group)] %>%
.[, .(mean(.data[[columns[i]]], na.rm=T), sd=sd(.data[[columns[i]]], na.rm=T)), by=.data[[group]]] %>%
as_tibble() 
print(sub1)
}
}
test(data=df, columns=cols, group="year")

这适用于单个变量：

df %>% 
.[, .(id, dv1, year)] %>%
.[, .(mean(dv1, na.rm=T), sd=sd(dv1, na.rm=T)), by=year] %>%
as_tibble() 

Answer 1

• .data未在data.table中使用
• 这里不需要select，这就是为什么data.table版本中也不需要.[, .(id, columns[i], group)]的原因
• 您可以使用get来获取基于字符串的列值

由于这只是一个例子，我没有试图简化循环，以便稍后可以在其中添加更复杂的内容。

library(data.table)
cols <- c("dv1", "dv2")
test <- function(data, columns, group) {
for(i in columns) {
sub1 <-df[, .(mean(get(i), na.rm=T), sd=sd(get(i), na.rm=T)), by=year]
print(sub1)
}
}
test(data=df, columns=cols, group="year")
#   year   V1    sd
#1: 2014 1.00    NA
#2: 2015 3.67 1.528
#3: 2016 6.00 3.000
#4: <NA> 7.50 0.707
#   year   V1    sd
#1: 2014 2.00    NA
#2: 2015 4.67 1.528
#3: 2016 7.00 3.000
#4: <NA> 8.50 0.707

Answer 2

这可能需要一个相当不直观的as.list/unlist构造：

df <- data.frame(
id=c(1,1,1,2,2,2,3,3,3),
year=as.character(c(2014, 2015, 2016, 2015, 2015, 2016, NA, NA, 2016)),
code=c(1,2,2, 1,2,3, 3,4,5),
dv1=1:9,
dv2=2:10
) %>% as.data.table()
summary.func <- function(x) {
list( mean=mean(x), sd=sd(x) )
}
df[, as.list(unlist(lapply(.SD, summary.func))), by=group, .SDcols=cols ]

它产生：

year dv1.mean    dv1.sd dv2.mean    dv2.sd
1: 2014 1.000000        NA 2.000000        NA
2: 2015 3.666667 1.5275252 4.666667 1.5275252
3: 2016 6.000000 3.0000000 7.000000 3.0000000
4: <NA> 7.500000 0.7071068 8.500000 0.7071068