使用 R data.table 通过使用数值列的平均值来转换分类列答案

【问题标题】：Using R data.table to transform categorical columns by using the mean of a numeric column使用 R data.table 通过使用数值列的平均值来转换分类列
【发布时间】：2021-03-03 00:11:22
【问题描述】：

我正在尝试使用 r data.table 来执行以下计算：

我有一个包含分类列和一个数字列的表格，例如

           cat1         cat2         cat3      target       
0           x            xy          xxx          1      
1           x            xx          xxx          1
2           x            xx          yyy          0
3           y            yx          yyy          1
4           y            yy          yyy          0
5           y            yy          yyy          1

我想计算一个形状相同的表格，其中每个分类变量的级别已更改为该级别的目标列的平均值。

即上述 data.table 的结果将是

           cat1         cat2         cat3      target       
0          0.66         1            1          1      
1          0.66         0.5          1          1
2          0.66         0.5          0.5        0
3          0.66         1            0.5        1
4          0.66         0.5          0.5        0
5          0.66         0.5          0.5        1

请不要使用常规 r 数据帧的解决方案，只有 data.table，因为我这样做是为了更好地使用 data.tables，谢谢！！

【问题讨论】：

"我这样做是为了练习" - 但您希望我们为您提供整个解决方案吗？ ;)
哈哈公平点@Henrik。我的意思是我可以通过调用dt[,mean(target),by=catx] 在for 循环中执行此操作，并将每个变量的结果合并回这个data.table。只是想知道那里的 data.table 向导是否有更优雅的解决方案。

标签： r data.table

【解决方案1】：

这是一种方法：

library(data.table)
vars <- names(dt)[names(dt)!='target']
setDT(dt)
dt[, (vars) := lapply(.SD, function(x) ave(target, x)), .SDcols = vars]

#    cat1 cat2 cat3 target
#1: 0.667  1.0  1.0      1
#2: 0.667  0.5  1.0      1
#3: 0.667  0.5  0.5      0
#4: 0.667  1.0  0.5      1
#5: 0.667  0.5  0.5      0
#6: 0.667  0.5  0.5      1

注意ave 中的默认函数是mean，我在这里没有明确应用。

【讨论】：

【解决方案2】：

目前我必须依赖 for 循环的解决方案，但我想它没问题..

vars_to_change <- names(dt)[names(dt)!='target']
for (v in vars_to_change) {
 d_sub<-dt[,mean(target),by=v]
 setnames(d_sub,'V1',paste0(v,'_num'))

 dt <- merge(dt,d_sub,by=v)
}

dt=dt[,-..vars_to_change]

【讨论】：