更改 R data.table 聚合中的默认列名答案

【问题标题】：Changing default column names in R data.table aggregations更改 R data.table 聚合中的默认列名
【发布时间】：2018-07-09 04:38:26
【问题描述】：

在交互模式下，探索 data.table 中的聚合，我可能会做几十个或几百个实验。在编写了生成聚合所需的最少量代码之后，聚合后的默认列名（V1、V2 等）显然不是很有信息量。通常，我更愿意将一列的简单聚合的默认列名（例如均值或总和）作为基础变量的名称。

所有额外的列名输入都很累人，我想避免这种情况。

在data.table 中是否有任何简单的方法可以做到这一点？

例如一个简化的例子来证明它是否不清楚：

DT = data.table(x =rep(c("b","a","c"),each=3), y_a_long_name=c(1,3,6), v_a_long_name=1:9)

DT[, .(sum(v_a_long_name), mean(y_a_long_name)), by = x]
#    x V1       V2
# 1: b  6 3.333333
# 2: a 15 3.333333
# 3: c 24 3.333333

当您开始使用不同的聚合类型函数处理多个列时，上述标签V1、V2 没有帮助。

重复名称的所有额外输入都很乏味，但我希望看到这样的内容：

DT[, .(v_a_long_name = sum(v_a_long_name), y_a_long_name = mean(y_a_long_name)), by = x]
#    x v_a_long_name y_a_long_name
# 1: b             6      3.333333
# 2: a            15      3.333333
# 3: c            24      3.333333

尽可能少地打字。例如如果

DT[, .(sum(v_a_long_name), mean(y_a_long_name)), by = x]

默认打印：

#    x v_a_long_name y_a_long_name
# 1: b             6      3.333333
# 2: a            15      3.333333
# 3: c            24      3.333333

【问题讨论】：

以下答案将阻止GForce 优化您的查询。您的 IDE 没有自动完成功能吗？如果你只是玩玩，我认为使用V1、V5 之类的名称不会受到太大影响。如果这不是短暂的，编写显式代码将帮助其他人（包括未来的你）更好地理解你的代码。选择从聚合变量的名称中删除 sum 和 mean 让我觉得很麻烦/乞求混淆/错误。
考虑到这一点，有一些与自动命名列相关的突出问题：github.com/Rdatatable/data.table/issues/1604、github.com/Rdatatable/data.table/issues/618、github.com/Rdatatable/data.table/issues/1543，并且可能最密切：github.com/Rdatatable/data.table/issues/1227
欢迎就这些问题发表意见。我认为自动命名排除聚合的方法没有任何意义（即我认为可以接受的任何解决方案都类似于v_a_long_name_sum 和y_a_long_name_mean）
是的，自动化包含方法会更好（只是输入更多）。是的，大多数时候代码会被长期保存，所以自动命名会很好

标签： r data.table

【解决方案1】：

我们可以使用setNames 来环绕列的list

DT[, setNames(.(sum(v_a_long_name), mean(y_a_long_name)), names(DT)[2:3]), by = x]
#   x y_a_long_name v_a_long_name
#1: b             6      3.333333
#2: a            15      3.333333
#3: c            24      3.333333

或者在得到输出后用setnames

setnames(DT[, .(sum(v_a_long_name), mean(y_a_long_name)),
                         by = x], 2:3, names(DT)[2:3])[]

或者通过从.SD中提取列来使其更紧凑

setnames(DT[, .(sum(.SD[[2]]), mean(.SD[[1]])), by = x], 2:3, names(DT)[2:3])[]

【讨论】：

@QuantitativeMelancholy 抱歉，感谢您的意见。您不需要完整的列名，但可以使用setnames 进行索引来分配。更新
我喜欢这种方法，尽管当它是一个大数据表时，它仍然需要更多的打字和思考来选择正确的列等。如果有一些默认选项可以在应用某个函数后返回列的名称，那就太好了。
@QuantitativeMelancholy 您可以将get 与名称一起使用

【解决方案2】：

有点迂回的解决方案，但您可以将函数列表和列列表传递给Map + do.call。结果列的名称将取自Map 的第一个参数，这意味着您只需在.SDcols 中以长格式指定名称一次：

DT[, 
  Map(do.call, args=lapply(.SD,list), what=c(sum,mean)),
  by=x, .SDcols=c("v_a_long_name","y_a_long_name")
]

#   x v_a_long_name y_a_long_name
#1: b             6      3.333333
#2: a            15      3.333333
#3: c            24      3.333333

如果需要自动命名，可以提前定义变量：

nms  <- c("v_a_long_name","y_a_long_name")
funs <- c("sum","mean")

DT[, 
  setNames(Map(do.call, args=lapply(.SD,list), what=funs), paste(nms,funs,sep="_")),
  by=x, .SDcols=nms
]

#   x v_a_long_name_sum y_a_long_name_mean
#1: b                 6           3.333333
#2: a                15           3.333333
#3: c                24           3.333333

【讨论】：