R:如何在函数内创建和寻址 data.table 的列

Question

我想编写一个函数，在其中构建多个新列。我在函数内寻址和命名 data.table 的列时遇到了一些问题。假设我有:

library(data.table)
DT <- as.data.table(iris)

并说我有兴趣以相同的方式为不同的列创建新变量(比方说 Sepal.Length、Sepal.Width 和 Petal.Length )。我想要一个函数，它可以在一个新的列中按物种对所有观测值求和，然后取 Petal.Width 的每个观测值与这个总和的比率。如果我指定列的名称，我有一个工作示例:

thisworks <- function(a){
DT[,named_column1:=sum(eval(a),na.rm=T),by=Species]
DT[,named_column2:=named_column1/Petal.Width]
DT
}
DT <- thisworks(DT[,Sepal.Length])

但是，如果我想对其他变量(Sepal.Width 和 Petal.Length，总共产生 6 个新列)执行此操作，我想以此为基础评估列名。我的无效尝试:

thisdoesntwork <- function(b){
name1 <- paste0("total_",names(b))
#here, I don't know how to get the name of the column
DT[,assign(name1,sum(eval(column_of_interest),na.rm=T)),by=Species]
name2 <- paste0("ratio_",names(b))
DT[,assign(name2,named_column1/Petal.Width)]
DT
}

for (i in c("Sepal.Length", "Sepal.Width", "Petal.Length"){
# I know I know, loops are evil. However, data.table is fast so i dont mind
DT <- thisdoesntwork(DT[,i,with=F])
}

也非常感谢一般提示。构建两个函数是否更明智，例如，每个任务一个？或者我应该将整个函数写在一个大的 data.table 过滤器中吗？我认为这也可行，不是吗？

编辑:第二种情况:分别使用两个不同的列创建两个新变量

(这是在 Rolands Edit 中回答的)

假设我想要 ratio_Length=Sepal.Length/Petal.Length 和 ratio_Width=Sepal.Width/Petal.Width。为什么这不起作用？:

DT <- as.data.table(iris)

myfun <- function(d,variables){
d[, paste0("ratio_",substr(variables,7,99)) := 
mapply(.SD, function(x) x / mget(paste0("Petal.",substr(variables,7,99))),
.SDcols = variables)]
d[]
}
DT <- myfun(DT,c("Sepal.Length","Sepal.Width"))

Answer 1

函数的结果没有理由赋值。 := 无论如何都是通过引用赋值的。如果您想复制 data.table，您需要在函数的开头进行显式的 copy。

您可以使用 .SD 和 .SDcols。查看data.table vignettes了解详情。

thisworks <- function(d, cols){
  d[, paste0(cols, 1) := lapply(.SD, sum, na.rm = TRUE), by=Species, .SDcols = cols]
  d[, paste0(cols, 2) := lapply(.SD, function(x) x / d[["Petal.Width"]]), 
     .SDcols = paste0(cols, 1)]
  d[]
}
library(data.table)
DT <- as.data.table(iris)
thisworks(DT, c("Sepal.Length", "Sepal.Width", "Petal.Length"))
print(DT)

编辑您的后续问题:

myfun <- function(d,variables){
  d[, gsub(".*\\.", "Ratio.", variables) := 
      Map("/", mget(variables), mget(gsub(".*\\.", "Petal.", variables)))] 
#might be more efficient to do 
#Map(function(x, y) get(x)/get(y), variables, gsub(".*\\.", "Petal.", variables))
#do some benchmarks
  d[]
}
myfun(DT,c("Sepal.Length","Sepal.Width"))

我只能重申:调用函数时不要赋值。传递给它的 data.table 通过引用更改。

对于不熟悉上面gsub()第一个参数的用户，请引用?regex寻求帮助。