R：使用for循环遍历data.table中的变量名（并按变量分组）答案

【问题标题】：R: loop through variable names in data.table using for-loop (and group them by variable)R：使用for循环遍历data.table中的变量名（并按变量分组）
【发布时间】：2019-12-29 06:13:36
【问题描述】：

> colnames(fileIWantToAnalyze) 

[1] "variable_1a"     "variable_5b"                                  
[3] "variable_1b"     "variable_6a"                           
[5] "variable_2a"     "variable_6b"                           
[7] "variable_2b"     "variable_7a"                           
[9] "variable_3a"     "variable_7b"                           
[11] "variable_3b"    "variable_8a"        
[13] "variable_4a"    "variable_8b"       
[15] "variable_4b"    "variable_9a"            
[17] "variable_5a"    "variable_9b"            
[19] "GroupingColumn1"

我无法在 R 中运行以下代码 - 引发此错误：

[.data.table(fileIWantToAnalyze, , .(mean1 = mean(get(attribute)), 中的错误：“by”或“keyby”列表中的项目是长度 (943026,1)。每个必须是长度 943026；与 x 中的行长度相同（如果提供了 i，则在子集之后）。

“fileIWantToAnalyze”是一个 data.table

for(attribute in colnames(fileIWantToAnalyze)[c(1,3,5,7,9,11,13,15,17)]){
  fileIWantToAnalyze[,.(mean1 = mean(get(attribute)),count1 = .N),
                      by = .(GroupingColumn1,sub("a", "b", attribute))]
}

这也行不通

for (attribute in colnames(fileIWantToAnalyze)[c(1,3,5,7,9,11,13,15,17)]){
  fileIWantToAnalyze[,.(mean1 = mean(get(attribute)),count1 = .N),
    by = .(GroupingColumn1,attribute)]
}

以下代码给出了我正在寻找的答案 - 但我想使用循环为许多变量生成输出

fileIWantToAnalyze[,.(mean1 = mean(variable_1a),count1 = .N),
    by = .(GroupingColumn1,variable_1b))]

我认为问题在于我在分组时如何在“by”命令中调用“属性”

【问题讨论】：

告诉我们什么是行不通的，而不是告诉我们目标是什么......好吧，你应该能够理解我们的问题在理解你的问题。 .....更不用说没有minimal reproducible example的事实，这使得这不是一个很有吸引力的问题，可以花任何时间解决。对不起。查看How to Ask、minimal reproducible example 和edit。

标签： r loops for-loop data.table

【解决方案1】：

您的问题在于data.table 函数如何解释变量，尽管这实际上可能是一个意外错误。

请注意以下虚拟示例来说明：

dt <- data.table(A = 1:3, b = 3:5, c = 7:5)
#Works:
for(i in names(dt))
  dt[,lapply(.SD, sum), by = i]
#doesnt work
for(i in names(dt))
  dt[,lapply(.SD, sum), by = .(i)]
#works
for(i in names(dt))
  dt[,lapply(.SD, sum), by = c(i)]

基本上，data.table 似乎不检查.(...) 的每个元素是否是包含在表的命名空间中的单个字符向量。

因此，一个简单的解决方法是在 by 参数中使用字符向量。以下是您的代码的重新访问版本。

for(attribute in colnames(fileIWantToAnalyze)[seq(1, 17, by = 2]){
  fileIWantToAnalyze[,.(mean1 = mean(get(attribute)),count1 = .N),
                      #Note that "by" is now in a character vector.  
                      by = c("GroupingColumn1", sub("a", "b", attribute))]
}

【讨论】：

【解决方案2】：

考虑将宽数据重塑为长格式，这通常是大多数分析方法（聚合、绘图、建模）的首选方法。使用这种方法，您可以避免复杂的循环。另外，data.table 有reshaping methods，包括melt 和dcast。

melt_dt <- melt(fileIWantToAnalyze, 
                id.vars = c("GroupingColumn1"), 
                measure.vars = list(paste0("variable_", 1:9, "a"),
                                    paste0("variable_", 1:9, "b"))
                value.name = c("value_a", "value_b")
               )

agg_dt <- melt_dt[, .(mean_value=(value_a), count=.N), 
                  by=list(GroupingColumn1, value_b)][order(GroupingColumn1, value_b)]

【讨论】：