R - 如何基于多个因素在不同的 data.table 列上运行平均值和最大值并返回原始列名

Question

我正在更改我的 R 代码 data.frame + plyr至 data.table因为我需要一种更快、更节省内存的方法来处理大数据集。不幸的是，我的 R 技能非常有限，而且我一整天都在碰壁。如果这里的专家可以启发，将不胜感激。

我的目标

基于 2 个函数在我的 data.table 中聚合行 - 平均值和最大值 - 在选定的列上运行(列名通过向量传递)，同时按列分组也通过向量传递。

生成的 DT 应包含原始列名。

不应该为了节省内存而对 DT 进行不必要的复制

我的测试代码

DT = data.table( a=LETTERS[c(1,1,1:4)],b=4:9, c=3:8, d = rnorm(6), 
                 e=LETTERS[c(rep(25,3),rep(26,3))], key="a" )

GrpVar1 <- "a"
GrpVar2 <- "e"
VarToMax <- "b"
VarToAve <- c( "c", "d")

我尝试过但对我不起作用的方法

DT[, list( b=max( b ), c=mean(c), d=mean(d) ), by=c( GrpVar1, GrpVar2 ) ]  
# Hard-code col name - not what I want

DT[, list( max( get(VarToMax) ), mean( get(VarToAve) )), by=c( GrpVar1, GrpVar2 ) ]  
# Col names become 'V1', 'V2', worse, 1 column goes missing - Not what I want either

DT[, list( get(VarToMax)=max( get(VarToMax) ), 
           get(VarToAve)=mean( get(VarToAve) ) ), by=c( GrpVar1, GrpVar2 ) ]
# Above code gave Error!

附加问题

基于我对 DT 的非常有限的了解， with = F参数应该指示 R 解析 VarToMax 和 VarToAve 的值，但运行下面的代码会导致错误。

DT[, list( max(VarToMax), mean(VarToAve) ), by=c( GrpVar1, GrpVar2 ), with=F ]

# Error in `[.data.table`(DT, , list(max(VarToMax), mean(VarToAve)), by = c(GrpVar1,  : 
#   object 'ansvals' not found
# In addition: Warning message:
# In mean.default(VarToAve) :
#   argument is not numeric or logical: returning NA

现有的 SO 解决方案无济于事

阿伦的 solution是我如何做到这一点，但我很困。他的另一个 solution使用 lapply和 .SDcols涉及创建 2 个额外的 DT，这不符合我的内存节省要求。

dt1 <- dt[, lapply(.SD, sum), by=ID, .SDcols=c(3,4)]
dt2 <- dt[, lapply(.SD, head, 1), by=ID, .SDcols=c(2)]

我对 data.table 感到很困惑!非常感激任何的帮助!

Answer 1

这是我卑微的尝试

DT[, as.list(c(setNames(max(get(VarToMax)), VarToMax), 
               lapply(.SD[, ..VarToAve], mean))), 
     c(GrpVar1, GrpVar2)]    
#    a e b c          d
# 1: A Y 6 4 -0.8000173
# 2: B Z 7 6  0.2508633
# 3: C Z 8 7  1.1966517
# 4: D Z 9 8  1.7291615

或者，为了获得最大效率，您可以使用 colMeans和 eval(as.name())组合而不是 lapply和 get

DT[, as.list(c(setNames(max(eval(as.name(VarToMax))), VarToMax), 
             colMeans(.SD[, ..VarToAve]))), 
     c(GrpVar1, GrpVar2)]   
#    a e b c          d
# 1: A Y 6 4 -0.8000173
# 2: B Z 7 6  0.2508633
# 3: C Z 8 7  1.1966517
# 4: D Z 9 8  1.7291615