r - 在data.table或dplyr中的列之间进行计算？

Question

我想使用data.table为大型数据集实现非常简单的任务。

计算每个ID的val1和val2的平均值。

有关详细信息，请参阅随附的伪造数据。

library(data.table)
DT <- data.table(ID = paste0("ID",rep(1:5,each=2)),
      level= rep(c("CTRL","CTRL","ID1","ID2","ID3"),2),
      val1 = 1:10, 
      val2 = rnorm(10))

在这里，我想为每个ID计算val1和val2的平均值。

另请注意，每个ID中都有不同的级别。但是对于每个唯一的ID，我只想一个包含不同级别val1和val2的均值。

--- ID |吝啬的 - -

-ID1 | ...

-ID2 | ...

-ID3 | ...

我尝试了以下代码，但是它不起作用。

topagents <- DT[, mean = mean(list(val1,val2)), 
                    by = ID]

但这是行不通的。
我知道如何在 reshape2中进行操作，首先是 melt，然后是 dcast。

但是原始数据集相对较大，具有2000万行和12个字段，因此计算需要花费很长时间。

所以我更喜欢使用 data.table或 dplyr。

Answer 1

如果我理解正确，则您有十二个字段，并希望将硬编码保持在最低限度。我不太确定您的预期输出是什么，但希望它是以下两个结果之一-

colstomean <- setdiff(colnames(DT),c('ID','level'))

选项1，该ID中每个变量值的平均值

DT[, lapply(.SD, mean, na.rm=TRUE), 
   by=ID, 
   .SDcols = colstomean
   ]

输出 -

    ID val1        val2
1: ID1  1.5  0.37648090
2: ID2  3.5 -0.55484848
3: ID3  5.5 -0.07326365
4: ID4  7.5 -0.37705525
5: ID5  9.5 -0.08075406

选项2，该ID中所有变量值的平均值

DT[, mean(unlist(.SD), na.rm = TRUE), 
    by=ID, 
   .SDcols = colstomean
   ]

输出

    ID        V1
1: ID1 0.9382404
2: ID2 1.4725758
3: ID3 2.7133682
4: ID4 3.5614724
5: ID5 4.7096230