data.table 中是否有一种方法可以使用对象（例如 .SDcols）折叠/汇总变量？

Question

我有一个包含多个变量的数据集，我想使用 data.table 折叠/汇总（取决于您的背景是更多的 Stata 还是 tidyverse），而不必在执行此操作的代码中命名每个单独的变量。

以下是一些示例数据：

library(data.table)

dt <- data.table(v1 = c(1,2,5,8,5,9, NA),
                 v2 = c(5,3,6,1, NA,7,8),
                 year = c(1,1,2,3,3,3,4))

dt
    v1 v2 year
1:  1  5    1
2:  2  3    1
3:  5  6    2
4:  8  1    3
5:  5 NA    3
6:  9  7    3
7: NA  8    4

这是我想要的最终数据集：

# this is the final data we want:
dt[, .(newv1 = sum(v1, na.rm = TRUE),
       newv2 = sum(v2, na.rm = TRUE)),
   by = 'year']

    year newv1 newv2
1:    1     3     8
2:    2     5     6
3:    3    22     8
4:    4     0     8

实际的数据集有很多变量我想总结一下，所以我想提前在折叠之外的一个列表中给变量命名，然后用系统的方式命名，比如：

# but we want to do it with objects e.g.:
vars.to.collapse <- c('v1', 'v2')
new.v.names <- paste0('new', vars.to.collapse)

new.v.names
[1] "newv1" "newv2"

我知道你可以做这种事情——也就是说，使用对象创建多个变量——当你使用 := 运算符添加/修改变量时，使用 .SD，但我无法做到在改变观察单位的同时找到一种方法来做到这一点。在理想的世界中，我会使用如下代码：

# want something like this but it doesn't work:
newdt <- dt[, .( (new.v.names = sum(.SD, na.rm = TRUE))),
              .SDcols = vars.to.collapse,
              by = 'year']

# not what I want:
newdt
     year V1
1:    1 11
2:    2 11
3:    3 30
4:    4  8

但这并不会生成我在上面向您展示的带有新变量名称和所有内容的数据集。我可以通过使用:= 运算符来解决这个问题，将这些统计信息添加到数据集中，然后删除重复项或其他内容，但如果可能的话，我更愿意直接总结。

Answer 1

为了跟进您关于命名新变量的评论，我建议使用 data.table 库的两种解决方案。

所以，请在下面找到两个代表。

Reprex 1（作为@Roland 提出的解决方案的后续）

• 代码

library(data.table)

vars.to.collapse <- c('v1', 'v2') # your code
new.v.names <- paste0('new', vars.to.collapse) # your code

dt <- dt[, lapply(.SD, sum, na.rm = TRUE), .SDcols = vars.to.collapse, by = 'year'] # Roland's code

setnames(dt, c("year", new.v.names))

• 输出

dt
#>     year newv1 newv2
#> 1:     1     3     8
#> 2:     2     5     6
#> 3:     3    22     8
#> 4:     4     0     8

---

Reprex 2

• 代码

library(data.table)

vars.to.collapse <- c('v1', 'v2')  # your code
new.v.names <- paste0('new', vars.to.collapse) # your code

dt[, lapply(.SD, sum, na.rm = TRUE), .SDcols = vars.to.collapse, by = 'year'
   ][, (new.v.names) := .SD, .SDcols = vars.to.collapse
     ][, .SD, .SDcols = !patterns("^v")][]

• 输出

#>    year newv1 newv2
#> 1:    1     3     8
#> 2:    2     5     6
#> 3:    3    22     8
#> 4:    4     0     8

^{由reprex package 创建于 2021-11-17 (v2.0.1)}