如何将函数应用于 data.table 的行子集，其中每个调用返回一个 data.table答案

【问题标题】：How do I apply a function to row subsets of a data.table where each call returns a data.table如何将函数应用于 data.table 的行子集，其中每个调用返回一个 data.table
【发布时间】：2015-03-31 21:02:48
【问题描述】：

这是一个数据表

dt <- data.table(group = c("a","a","a","b","b","b"), x = c(1,3,5,1,3,5), y= c(3,5,8,2,8,9))
dt
   group x y
1:     a 1 3
2:     a 3 5
3:     a 5 8
4:     b 1 2
5:     b 3 8
6:     b 5 9

这是一个对 data.table 进行操作并返回 data.table 的函数

myfunc <- function(dt){
  # Hyman spline interpolation (which preserves monotonicity)

  newdt <- data.table(x = seq(min(dt$x), max(dt$x)))
  newdt$y <- spline(x = dt$x, y = dt$y, xout = newdt$x, method = "hyman")$y
  return(newdt)
}

如何将myfunc 应用于“组”列定义的每个 dt 子集？换句话说，我想要一种高效、通用的方法来做到这一点

result <- rbind(myfunc(dt[group=="a"]), myfunc(dt[group=="b"]))
result
    x     y
 1: 1 3.000
 2: 2 3.875
 3: 3 5.000
 4: 4 6.375
 5: 5 8.000
 6: 1 2.000
 7: 2 5.688
 8: 3 8.000
 9: 4 8.875
10: 5 9.000

编辑：我已经更新了我的示例数据集和myfunc，因为我认为它最初过于简单化，并邀请了我试图解决的实际问题的变通方法。

【问题讨论】：

你的函数创建了不必要的副本，只需 dt[, .(x = seq(min(x), max(x) + 1), y = rep(y, each = 2)), by = group]
或者，将您的函数定义为myfunc <- function(x, y){ list(x = seq(min(x), max(x)+1), y = rep(y, each=2))}，然后执行dt[, myfunc(x, y), by = group]
@DavidArenburg 查看我的编辑（抱歉）
@Ben, @DavidArenburg 的评论仍然有效。让您的函数返回一个列表，而不是 data.table，然后执行dt[, myfunc(x, y), by = group]。
其实你的新函数现在返回一个错误。

标签： r data.table

【解决方案1】：

data.table 的整体理念是既高效又快速。因此，我们从不在data.table 范围内使用$（仅在极少数情况下），并且我们不在data.tables 环境中创建data.table 对象（目前，即使.SD 也有开销）。

在您的情况下，您可以利用data.table 的non-standard evaluation 功能并如下定义您的功能

myfunc <- function(x, y){
   temp = seq(min(x), max(x))
   y = spline(x = x, y = y, xout = temp, method = "hyman")$y
   list(x = temp, y = y)
}

那么dt 范围内的实现就很简单了

dt[, myfunc(x, y), by = group]
#     group x      y
#  1:     a 1 3.0000
#  2:     a 2 3.8750
#  3:     a 3 5.0000
#  4:     a 4 6.3750
#  5:     a 5 8.0000
#  6:     b 1 2.0000
#  7:     b 2 5.6875
#  8:     b 3 8.0000
#  9:     b 4 8.8750
# 10:     b 5 9.0000

【讨论】：

NSE 是“非标准评价”吧？所以建议谷歌，无论如何。