重新排序并将附加列附加到 .SD 输出

Question

我想将标量函数（如mean）应用于主要组，并在次要组中对值进行排名。这是我正在尝试做的示例代码：

library(data.table)
mytestdata <- data.table(name=c("tom","john","tom","john","jim","jim","jack"),
                         len=c(10,15,12,23,3,12,3),
                         group=c("a","b","a","a","a","b","b"))
mytestdata[, .SD[, .(mean(len), .N), by="name"][order(V1)], by = "group"]  # I need the .N to log

这里的输出是我想要的。但是，当我尝试对每个组中的名称进行排名时，我无法获得所需的输出。

mytestdata[, .SD[, .(mean(len), .N), by="name"][order(V1), myrank := seq(1:.N)], by = "group"]

上面的代码正确地分配了排名，但将列重新排序为默认顺序（忽略order(V1)，它在上一行中起作用）。我认为这与:= 不显示输出有关。有没有办法解决这个问题？

我尝试了类似的东西

mytestdata[, .(.SD[, .(mean(len), .N), by="name"][order(V1)], seq(1:.N), by = "group"]

但它会抛出一个错误，说明在j 中错误地使用了list() 方法。

编辑：我想要的输出是（排名应该在组内）(A)

   group name V1 N myrank
1:     a  jim  3 1    1
2:     a  tom 11 2    2
3:     a john 23 1    3
4:     b jack  3 1    1
5:     b  jim 12 1    2
6:     b john 15 1    3

编辑：为了澄清我的观点，我的原始代码，

mytestdata[, .SD[, .(mean(len), .N), by="name"][order(V1)], by = "group"]

返回按我想要的方式排序的数据表，即 (1)

   group name V1 N
1:     a  jim  3 1
2:     a  tom 11 2
3:     a john 23 1
4:     b jack  3 1
5:     b  jim 12 1
6:     b john 15 1

现在，我想保持这种顺序并为每个组中的名称分配等级。由于i 在data.table 中的j 之前被评估，我可以在与上面order() 相同的语句中分配排名，即，

mytestdata[, .SD[, .(mean(len), .N), by="name"][order(V1), myrank := 1:.N], by = "group"]

这会正确分配排名，即 (2)

   group name V1 N myrank
1:     a  tom 11 2      2
2:     a john 23 1      3
3:     a  jim  3 1      1
4:     b john 15 1      3
5:     b  jim 12 1      2
6:     b jack  3 1      1

但是，行的顺序不再与 (1) 中的相同，因为我猜是赋值运算符抑制了输出并以无序格式存储数据表。现在，要获得 (A) 形式的输出，我必须通过再次分组来重新排序行或在链接方法中分配排名列，即,

mytestdata[, .SD[, .(mean(len), .N), by="name"][order(V1), myrank := 1:.N], by = "group"][order(rank), .SD, by = "group"]

（或）

mytestdata[, .SD[, .(mean(len), .N), by="name"][order(V1)], by = "group"][, myrank := 1:.N, by = "group"]

这给出了所需的输出 (A)。虽然这两个都解决了我的问题，但我很好奇是否有一个解决方案可以消除额外的链接，因为在 (2) 中正确分配了等级，并且在 (2) 中的顺序已经正确强>(1).

Answer 1

我认为您在处理[.data.table 的 i 和 j 参数的顺序方面遇到了问题；

这是我认为你确实想要的，尽管你实际上只提供了你不想要的细节：

mytestdata[, .SD[, .(mean(len), .N), by="name"]][order(V1),][,rank := rank(V1)][]
   name   V1 N rank
1: jack  3.0 1    1
2:  jim  7.5 2    2
3:  tom 11.0 2    3
4: john 19.0 2    4

当关系问题出现时，我搜索：

> ?rank   # Turns out there is a data.table function for that as well, `frank`

> mytestdata[, .SD[, .(mean(len), .N), by="name"]][order(V1),][,rank := frank(V1)][]
   name   V1 N rank
1: jack  3.0 1    1
2:  jim  7.5 2    2
3:  tom 11.0 2    3
4: john 19.0 2    4

排序（首先）和排名计算（稍后）的单独应用似乎是需要的。如果你想要一种不同的计算排名的方法，frank 函数有：ties.method=c("average", "first", "random", "max", "min", "dense")，[] 终端的使用是我刚刚从@thelatemail 学到的。最后的评论。我会让列名更“特别”。使用“rank”之类的列名称会使习惯于将其视为函数名称的用户感到困惑。最好将其设为“myrank”或“testrank”。

回应下面的评论：我仍然很难准确地理解想要什么（特别是不想要“最后的额外分组”是什么意思），但如果希望根据“新”排名重新排序，那么为什么不：

 mytestdata[, .SD[, .(mean(len), .N), by=name][order(V1)], by=group][ #
                       , myrank := frank(V1), by=group][order(myrank), ]
   group name V1 N myrank
1:     a  jim  3 1      1
2:     b jack  3 1      1
3:     a  tom 11 2      2
4:     b  jim 12 1      2
5:     a john 23 1      3
6:     b john 15 1      3