r - 如何将函数应用于 data.table 的行子集，其中每次调用都返回一个 data.table

Question

这是一个数据表

dt <- data.table(group = c("a","a","a","b","b","b"), x = c(1,3,5,1,3,5), y= c(3,5,8,2,8,9))
dt
   group x y
1:     a 1 3
2:     a 3 5
3:     a 5 8
4:     b 1 2
5:     b 3 8
6:     b 5 9

这是一个对 data.table 进行操作并返回 data.table 的函数

myfunc <- function(dt){
  # Hyman spline interpolation (which preserves monotonicity)

  newdt <- data.table(x = seq(min(dt$x), max(dt$x)))
  newdt$y <- spline(x = dt$x, y = dt$y, xout = newdt$x, method = "hyman")$y
  return(newdt)
}

如何将 myfunc 应用于“组”列定义的每个 dt 子集？换句话说，我想要一种高效、通用的方法来执行此操作

result <- rbind(myfunc(dt[group=="a"]), myfunc(dt[group=="b"]))
result
    x     y
 1: 1 3.000
 2: 2 3.875
 3: 3 5.000
 4: 4 6.375
 5: 5 8.000
 6: 1 2.000
 7: 2 5.688
 8: 3 8.000
 9: 4 8.875
10: 5 9.000

编辑:我已经更新了我的示例数据集和 myfunc，因为我认为它最初过于简单，并邀请变通方法解决我试图解决的实际问题。

Answer 1

data.table 的整体理念是既高效又快速。因此，我们从不在 data.table 范围内使用 $(仅在极少数情况下)，并且我们不在其中创建 data.table 对象data.table 的环境(目前，即使是 .SD 也有开销)。

在您的情况下，您可以利用 data.table 的 non-standard evaluation功能并按如下方式定义您的功能

myfunc <- function(x, y){
   temp = seq(min(x), max(x))
   y = spline(x = x, y = y, xout = temp, method = "hyman")$y
   list(x = temp, y = y)
}

那么dt范围内的实现就很简单了

dt[, myfunc(x, y), by = group]
#     group x      y
#  1:     a 1 3.0000
#  2:     a 2 3.8750
#  3:     a 3 5.0000
#  4:     a 4 6.3750
#  5:     a 5 8.0000
#  6:     b 1 2.0000
#  7:     b 2 5.6875
#  8:     b 3 8.0000
#  9:     b 4 8.8750
# 10:     b 5 9.0000