从 R 中的 data.table 列计算中位数

Question

我正在尝试计算多个列的中值，但我的数据有点古怪。看起来像下面的例子。

library(data.table)

dt <- data.table("ID" = c(1,2,3,4),"none" = c(0,5,5,3), 
                 "ten" = c(3,2,5,4),"twenty" = c(0,2,3,1))


   ID none ten twenty
1:  1    0   3      0
2:  2    5   2      2
3:  3    5   5      3
4:  4    3   4      1

中的table列表示该值出现的次数。我想计算出现的中位数。

例如 ID = 1

median(c(10, 10, 10))

是我要创建的计算。

ID = 2

median(c(0, 0, 0, 0, 0, 10, 10, 20, 20))

我曾尝试使用 rep() 和 lapply() 取得了非常有限的成功，并且正在寻求关于如何实现这一目标的明确指导。我理解像 rep() 这样的人，我将不得不硬编码要重复的值（例如 rep(0,2) 或 rep(10,2)），这就是我所期望的。我只是在努力创建一个列表或向量，其中包含每列的重复项。

Answer 1

你需要一个字典来将列名翻译成相应的数字，然后就相当简单了：

dict = data.table(name = c('none', 'ten', 'twenty'), number = c(0, 10, 20))

melt(dt, id.var = 'ID')[
  dict, on = c(variable = 'name')][, median(rep(number, value)), by = ID]
#   ID V1
#1:  1 10
#2:  2  0
#3:  3 10
#4:  4 10

Answer 2

这里有一个rowwisedplyr方式：

dt %>% rowwise %>% 
       do(med = median(c(rep(0, .$none), rep(10, .$ten), rep(20, .$twenty)))) %>%  
       as.data.frame
  med
1  10
2   0
3  10
4  10

受@Arun 的回答启发，这也有效：

dt %>% group_by(ID) %>% 
       summarise(med = median(rep(c(0, 10, 20), c(none, ten, twenty))))

Source: local data table [4 x 2]

     ID   med
  (dbl) (dbl)
1     1    10
2     2     0
3     3    10
4     4    10

Answer 3

这是另一种 data.table 方式（假设唯一 ID）：

dt[, median(rep(c(0, 10, 20), c(none, ten, twenty))), by=ID]
#    ID V1
# 1:  1 10
# 2:  2  0
# 3:  3 10
# 4:  4 10

这只是尝试在不进行整形的情况下获得@eddi 的答案（我倾向于将其用作最后的手段）。

Answer 4

这里有一种方法可以避免按行操作和整形：

dt[, m := {
    cSD  = Reduce(`+`, .SD, accumulate=TRUE)
    k    = floor(cSD[[length(.SD)]]/2)

    m    = integer(.N)
    for(i in seq_along(cSD)) {
        left = m == 0L
        if(!any(left)) break
        m[left] = i * (cSD[[i]][left] >= k[left])
    }
    names(.SD)[m]
}, .SDcols=none:twenty]

这给出了

   ID none ten twenty    m
1:  1    0   3      0  ten
2:  2    5   2      2 none
3:  3    5   5      3  ten
4:  4    3   4      1  ten

对于循环，我借用了@alexis_laz' 的风格，例如

我跳过了列名的翻译，但这非常简单。您可以在末尾使用 c(0,10,20) 而不是 names(.SD)。

从 R 中的 data.table 列计算中位数

calculate median from data.table columns in R

r

lapply

rep

data.table