r - "Loop through"data.table 计算条件平均值

Question

我想“遍历” data.table 的行并计算每行的平均值。应根据以下机制计算平均值:

查找第 i 行的标识符 ID (ID(i))

查找第 i 行中 T2 的值 (T2(i))

计算 Data1 的平均值所有行中的值 j ，满足这两个条件:ID(j) = ID(i)和 T1(j) = T2(i)

在第 i 行的 Data2 列中输入计算平均值

 DF = data.frame(ID=rep(c("a","b"),each=6), 
             T1=rep(1:2,each=3), T2=c(1,2,3), Data1=c(1:12))
 DT = data.table(DF)
 DT[ , Data2:=NA_real_]
     ID T1 T2  Data1 Data2
[1,]  a  1  1     1    NA
[2,]  a  1  2     2    NA
[3,]  a  1  3     3    NA
[4,]  a  2  1     4    NA
[5,]  a  2  2     5    NA
[6,]  a  2  3     6    NA
[7,]  b  1  1     7    NA
[8,]  b  1  2     8    NA
[9,]  b  1  3     9    NA
[10,] b  2  1    10    NA
[11,] b  2  2    11    NA
[12,] b  2  3    12    NA

对于这个简单的例子，结果应该是这样的:

      ID T1 T2  Data1 Data2
[1,]  a  1  1     1    2
[2,]  a  1  2     2    5
[3,]  a  1  3     3    NA
[4,]  a  2  1     4    2
[5,]  a  2  2     5    5
[6,]  a  2  3     6    NA
[7,]  b  1  1     7    8
[8,]  b  1  2     8    11
[9,]  b  1  3     9    NA
[10,] b  2  1    10    8
[11,] b  2  2    11    11
[12,] b  2  3    12    NA

我认为这样做的一种方法是遍历行，但我认为这是低效的。我看过 apply()功能，但我确定它是否能解决我的问题。我也可以使用 data.frame而不是 data.table如果这会使它更有效率或更容易。真实数据集包含大约 100 万行。

Answer 1

经验法则是先聚合，然后加入。

agg = DT[,mean(Data1),by=list(ID,T1)]
setkey(agg,ID,T1)
DT[,Data2:={JT=J(ID,T2);agg[JT,V1][[3]]}]
      ID T1 T2 Data1 Data2
 [1,]  a  1  1     1     2
 [2,]  a  1  2     2     5
 [3,]  a  1  3     3    NA
 [4,]  a  2  1     4     2
 [5,]  a  2  2     5     5
 [6,]  a  2  3     6    NA
 [7,]  b  1  1     7     8
 [8,]  b  1  2     8    11
 [9,]  b  1  3     9    NA
[10,]  b  2  1    10     8
[11,]  b  2  2    11    11
[12,]  b  2  3    12    NA

正如你所看到的，在这种情况下它有点难看(但会很快)。计划增加 drop这将避免 [[3]]位，也许我们可以提供一种方法来告诉 [.data.table评估 i在调用范围内(即没有自连接)，这将避免 JT=这里需要的位是因为 ID两者都在 agg和 DT .
keyby已添加到 R-Forge 上的 v1.8.0 中，以避免需要 setkey ， 也。