【发布时间】：2012-06-15 23:50:54
【问题描述】：
我有一个如下所示的数据框（20,000 行，49 列）。每行都有一个唯一的名称 (ID)，每个 ID 在 3 列中有 3 个重复读数（例如 D15C D15C.1 D15C.2）。列名的前 4 个字母（“D15C”）是组名。我需要按组名对列进行平均（例如，平均 D15C、D15C.1 和 D15.2 以获得 D15C），因此最终表将从 49 列合并为 16 列。
ID D04C D04C.1 D08H D08H.1 D08H.2 D15C D15C.1 D15C.2 D15L D15L.1 D15L.2
1 1367452_at 11.11 10.93 11.85 10.94 10.87 10.73 10.62 10.85 10.73 10.77 10.52
2 1367453_at 9.65 9.94 9.78 9.68 9.67 9.86 9.71 9.82 9.74 9.71 9.76
3 1367454_at 10.19 10.36 9.68 10.07 10.08 10.35 10.26 10.32 10.27 10.19 10.47
(… 20000 rows)
为了使用聚合，我将其转置并编辑到以下数据框：
ID 1367452_at 1367453_at 1367454_at ... ...
1 D04C 11.11 9.65 10.19
2 D04C 10.93 9.94 10.36
3 D08H 11.85 9.78 9.68
4 D08H 10.94 9.68 10.07
5 D08H 10.87 9.67 10.08
6 D15C 10.73 9.86 10.35
7 D15C 10.62 9.71 10.26
8 D15C 10.85 9.82 10.32
9 D15L 10.73 9.74 10.27
10 D15L 10.77 9.71 10.19
11 D15L 10.52 9.76 10.47
但是，以下聚合（“agg”是数据框名称）需要 370 秒才能完成。问题是我有100张这样的桌子在等……
agg <- aggregate(x = agg[, 2:ncol(agg)], by = list(ID = agg$ID), FUN = "mean", na.rm = T)
所以我将其转换为 data.table 并运行数据表方法。
dt <- as.data.table(agg)
setkey(dt, ID)
dt2 <- dt[,lapply(list(dt[2:ncol(dt)]),mean),by = ID]
但几分钟后收到错误消息：
Error: cannot allocate vector of size 144 Kb
In addition: Warning messages:
1: Reached total allocation of 1535Mb: see help(memory.size)
2: Reached total allocation of 1535Mb: see help(memory.size)
不确定是什么问题。无法使用 dt[1:5,1:5] 来查看 dt 的“头部”部分，并且 head(dt) 返回了太多穿过屋顶的行我也看不到“头部”。不知道现在该怎么办。
我可以在一列中列出 ID（如在 data.frame 中）或转置表格并在第一行中列出 ID（如在 data.table 中）。无论哪种方式，有没有更快的方法来聚合数据？非常感谢！
【问题讨论】：
-
第一个问题嗯？欢迎。您真的是指
data.table包中的 data.table 吗？如果您尝试过transpose和aggregate，那么最好提供您尝试过的确切命令，以便人们可以提供帮助。不知道“Data.table 方法”是什么意思。可能有一些指导方针可以在某处提出关于 Stack Overflow 的好问题（但我不能很快）。尝试 R 聊天室寻求建议。 -
抱歉，不清楚。我已经对其进行了编辑以提供更多详细信息。希望现在更容易理解。
-
好多了，谢谢。这使得它非常快速地回答。
标签： r aggregate data.table mean