r - data.table: lapply 一个具有多列输出的函数

Question

我正在使用一个函数 smean.cl.normal来自 Hmisc 包，它返回一个具有 3 个值的向量:均值和上下 CI。当我在 data.table 上使用它时有 2 个组，我获得 2 列和 6 行。有没有办法获得与 2 组相对应的两行和每个函数输出的单独列的结果，即均值和 CI？

require(Hmisc)
require(data.table)

dt = data.table(x = rnorm(100),
                gr = rep(c('A', 'B'), each = 50))

dt[, lapply(.SD, smean.cl.normal), by = gr, .SDcols = "x"]

输出:

   gr           x
1:  A -0.07916335
2:  A -0.33656667
3:  A  0.17823998
4:  B -0.02745333
5:  B -0.32950607
6:  B  0.27459941

所需的输出:

   gr        Mean         Lower         Upper
1:  A -0.07916335   -0.33656667    0.17823998
2:  B -0.02745333   -0.32950607    0.27459941

Answer 1

j参数在 DT[i,j,by]需要一个列表，所以使用 as.list :

dt[, 
  Reduce(c, lapply(.SD, function(x) as.list(smean.cl.normal(x))))
, by = gr, .SDcols = "x"]

#    gr       Mean      Lower     Upper
# 1:  A  0.1032966 -0.1899466 0.3965398
# 2:  B -0.1437617 -0.4261330 0.1386096

c(L1, L2, L3)是列表的组合方式，所以 Reduce(c, List_o_Lists)万一您的 .SDcols 有用包含的不仅仅是 x .我猜 do.call(c, List_o_Lists)也应该工作。

注释

由于几个原因，这非常低效。开启 verbose=TRUE查看 data.table 不喜欢在 j 中获取命名列表:

The result of j is a named list. It's very inefficient to create the same names over and over again for each group. When j=list(...), any names are detected, removed and put back after grouping has completed, for efficiency. Using j=transform(), for example, prevents that speedup (consider changing to :=). This message may be upgraded to warning in future.

此外，您错过了 mean 的组优化版本。和其他可能用于构建结果的函数。不过，这对您的用例来说可能不是什么大问题。

当您仅将其应用于单个值列时，只需:

dt[, as.list(smean.cl.normal(x)), by = gr]

就足够了。