r - 在 R 中使用 data.table 时返回错误的中位数

Question

我有以下数据集

> head(DT)
    V1 V2 V3   V4   V5     V6 V7
1:  2  1  2 0.91 0.02 880.00  1
2:  3  2  1 0.02 0.00   2.24  2
3:  1  1  1 0.15 0.01   3.41  3
4:  1  2  1 3.92 0.05 268.67  2
5:  1  1  2 0.10 0.01   1.59  3
6:  0  1  1 1.20 0.04   1.43  3

> sapply(DT, class)
       V1        V2        V3        V4        V5        V6        V7 
"integer" "integer" "integer" "numeric" "numeric" "numeric"  "factor" 

它扩展了数千行。我正在尝试计算因子变量 V7 定义的 8 个组内 V1-V6 的中值

> levels(DT$V7)
[1] "1" "2" "3" "4" "5" "6" "7" "8"

目前我正在使用以下命令，该命令返回错误:

> DT[, lapply(.SD, median), by = V7]
 Error in `[.data.table`(DF, , lapply(.SD, median), by = V7) : 
 Column 1 of result for group 4 is type 'integer' but expecting type 'double'. Column types must be consistent for each group.

我在某处读到，解决这个问题的方法是使用 as.double(median(X)) .但这适用于单个列: DT[, as.double(median(X)), by = V7] ，但不适用于考虑所有列: DT[, lapply(.SD, as.double(median)), by = V7] (正如预期的那样，因为您必须将输入传递给中值)

我可以通过使用聚合来绕过

> aggregate(DT[,c(1:6), with = FALSE], by = list(DF$V7), FUN = median)
  Group.1 V1 V2 V3     V4   V5      V6
   1       1  0  1  1  1.285 0.04 401.500
   2       2  1  2  1  3.565 0.06   6.400
   3       3  0  1  1  0.360 0.03  11.200
   4       4  1  1  1 74.290 0.26 325.960
   5       5  2  1  0  1.145 0.04   1.415
   6       6  0  1  1 10.100 0.18  93.000
   7       7  1  1  0  0.740 0.04   1.080
   8       8  1  1  0  7.970 0.40   0.050

但我想知道是否有办法解决上述错误并使用 data.table 进行此计算

Answer 1

median是不寻常的，因为它可以为相同的输入类型返回不同类型的返回值:

The default method returns a length-one object of the same type as x, except when x is integer of even length, when the result will be double.

但是，data.table 需要一致的返回值类型。你有两种可能:

将所有列转换为数字:

DT[, paste0("V", 1:6) := lapply(.SD, as.numeric), by = V7]

或者转换 median的返回值:

DT[, lapply(.SD, function(x) as.numeric(median(x))), by = V7]