R:使用 data.table 组合两个函数来聚合数据

Question

以下是我正在使用的数据“类型/结构”类型，它包括 3 个因子变量。

library(data.table)
library(ggplot2)

DT <- data.table(mtcars)
DT[["cyl"]] <- factor(DT[["cyl"]])
DT[["gear"]] <- factor(DT[["gear"]])
DT[["vs"]] <- factor(DT[["vs"]])
DT <- DT[, c("cyl", "gear", "vs"), with=F]
setkey(DT, cyl, gear, vs)

上下文我一直在使用此函数与 data.table 交互地聚合数据，并且工作得很好。问题是当我尝试将它包含在另一个函数中时。我没有太多编程经验，因此任何指导将不胜感激。我想这与环境以及参数如何传递有关，但我真的不知道如何解决它。

grp <- function(x) {
  percentage = as.numeric(table(x)/length(x))
  list(x = levels(x),
       percentage = percentage,
       label = paste( round( as.numeric(table(x)/length(x), 0 ) * 100 ), "%")
  )
}

这将是预期的输出:

DT_agg <- DT[, grp(cyl), by=vs]

问题第二个函数的想法是获取一个 data.frame/data.table 对象，应用前一个函数，包括使用一个或两个分组变量的选项。最终的想法是将最后一个对象包含在 ggplot() 调用中，并使用分组变量作为构面，从 ggplot() 调用中调用 agg() 函数。

agg <- function(data, x, groupby1, groupby2 = NULL,...){
  data = substitute(data)
  x = substitute(x)
  groupby1 = substitute(groupby1)
  groupby2 = substitute(groupby2)

  if(is.null(groupby2)){
    DT_agg = data[, grp(x), by=groupby1]
  } else {
    DT_agg = data[, grp(x), by=groupby1,groupby2]
  }
  DT_agg
}


agg(data = DT, x = cyl, groupby1 = vs)
Error in unique.default(x, nmax = nmax) : 
  unique() applies only to vectors

在agstudy的回答后编辑

agg <- function(data, x, groupby1, groupby2 = NULL,...){
  data = eval(substitute(data))
  x = substitute(data$x)  # changed this bit (it was producing an error)
  groupby1 = substitute(groupby1)
  groupby2 = substitute(groupby2)
  if(is.null(eval(substitute(groupby2)))) {
    eval(data)[, grp(eval(x)), by=groupby1]
  } else {
    eval(data)[, grp(eval(x)), by=list(eval((groupby1)),eval(groupby2))]
  }
}

由于某种原因，答案中提供的解决方案对我不起作用。Agstudy 的 agg() 提供了答案，它运行但输出不运行。我尝试了一些更改，但效果不佳。

使用上面定义的 grp() 函数，我得到了正确的结果:

ok = DT[, grp(cyl), by = vs]
print(ok)
#       vs x percentage label
#    1:  1 4 0.71428571   71%
#    2:  1 6 0.28571429   29%
#    3:  1 8 0.00000000    0%
#    4:  0 4 0.05555556    6%
#    5:  0 6 0.16666667   17%
#    6:  0 8 0.77777778   78%

使用 agstudy 版本的 agg() 我发现这是不正确的:

not_ok = agg(DT, cyl, vs)
print(not_ok)
#       groupby1 x percentage label
#    1:        1 4    0.34375   34%
#    2:        1 6    0.21875   22%
#    3:        1 8    0.43750   44%
#    4:        0 4    0.34375   34%
#    5:        0 6    0.21875   22%
#    6:        0 8    0.43750   44%

我想知道该函数如何在其自身(第一种情况)而不是在 agg 函数内部正确工作。

Answer 1

问得好!特别适合那些没有太多编程经验的人。

使用eval并简化您的函数(无需分配data.table):

agg <- function(data, x, groupby1, groupby2 = NULL,...){
  data = substitute(data)
  x = substitute(x)
  groupby1 = substitute(groupby1)
  groupby2 = substitute(groupby2)
  if(is.null(groupby2)) eval(data)[, grp(eval(x)), by=groupby1]
  else  eval(data)[, grp(eval(x)), 
              by=list(eval((groupby1)),eval(groupby2))]

}

测试它:

agg(data = DT, x = cyl, groupby1 = vs,groupby2 =  gear )
##     groupby1 groupby2 x percentage label
##  1:        1        3 4     0.3333  33 %
##  2:        1        3 6     0.6667  67 %
##  3:        1        3 8     0.0000   0 %
##  4:        1        4 4     0.8000  80 %
##  5:        1        4 6     0.2000  20 %
##  6:        1        4 8     0.0000   0 %
##  7:        0        5 4     0.2500  25 %
##  8:        0        5 6     0.2500  25 %
##  9:        0        5 8     0.5000  50 %
## 10:        1        5 4     1.0000 100 %
## 11:        1        5 6     0.0000   0 %
## 12:        1        5 8     0.0000   0 %
## 13:        0        4 4     0.0000   0 %
## 14:        0        4 6     1.0000 100 %
## 15:        0        4 8     0.0000   0 %
## 16:        0        3 4     0.0000   0 %
## 17:        0        3 6     0.0000   0 %
## 18:        0        3 8     1.0000 100 %