在 data.table 中使用带有 .SD 的其他列答案

【问题标题】：Use other columns with .SD in data.table在 data.table 中使用带有 .SD 的其他列
【发布时间】：2021-12-10 11:57:58
【问题描述】：

我正在尝试在汇总操作中将 .SD 与其他一些列组合，但这会导致不正确的结果（为了我的目标）。对于（一个愚蠢的）例子：

library(data.table)

t <- as.data.table(mtcars)

t[, list(cyl = sum(cyl), lapply(.SD, mean)), .SDcols = c('mpg', 'disp')]

我希望它返回一个包含 1 行和 3 列的 data.table，但它返回的是一个包含 2 行和 2 列的列。有没有办法解决这个问题？

【问题讨论】：

请花点时间学习文档和?data.table 和.SD 中的大量示例。在那里你会发现：DT[, c(.N, lapply(.SD, sum)), by=x]; DT[, c(.(y=max(y)), lapply(.SD, min)), by=rleid(v), .SDcols=v:b]。干杯

标签： r data.table

【解决方案1】：

问题是list(cyl, lapply(.)) 返回的东西不是真正的框架。如果您在 data.table 环境之外查看它，它看起来像：

str(list(cyl = sum(t$cyl), lapply(t[,c("mpg","disp")], mean)))
# List of 2
#  $ cyl: num 198
#  $    :List of 2
#   ..$ mpg : num 20.1
#   ..$ disp: num 231

当更好的回报看起来像这样时：

str(c(list(cyl = sum(t$cyl)), lapply(t[,c("mpg","disp")], mean)))
# List of 3
#  $ cyl : num 198
#  $ mpg : num 20.1
#  $ disp: num 231

取而代之的是concatenate 两个列表：

t[, c(list(cyl = sum(cyl)), lapply(.SD, mean)), .SDcols = c('mpg', 'disp')]
#      cyl      mpg     disp
#    <num>    <num>    <num>
# 1:   198 20.09062 230.7219

或者只是将数字 sum(cyl) 连接到 lapply 列表（感谢 BrianMontgomery）：

t[, c(cyl = sum(cyl), lapply(.SD, mean)), .SDcols = c('mpg', 'disp')]

【讨论】：

或者只是 t[, c(cyl = sum(cyl), lapply(.SD, mean)), .SDcols = c('mpg', 'disp')]

【解决方案2】：

使用append

setnames(t[,  append(sum(cyl), lapply(.SD, mean)), .SDcols = c('mpg', 'disp')], 1, 'cyl')[]
   cyl      mpg     disp
1: 198 20.09062 230.7219

【讨论】：