有效地组合多个 dcast data.table(共享相同的密钥)

Combine several dcast data.table (which share same key) efficiently

这是我要解决的简单问题:我有一个 data.table,就像下面的 table,我正在尝试使用 dcast.data.table 函数来计算每个组的进步,但我也有兴趣计算每个组的 median 成绩:

set.seed(10);
DT = data.table(GROUP = sample(c("a","b","c"),100,replace = T), 
                ADVANCED = sample(c("ADVANCED","DROP"),100,replace = T),
                GRADE = sample(1:10,100, replace=T))

     GROUP ADVANCED GRADE
  1:     b ADVANCED     3
  2:     a ADVANCED     6
  3:     b ADVANCED     7
  4:     c ADVANCED     9

 95:     b     DROP     6
 96:     c ADVANCED     5
 97:     a     DROP    10
 98:     b ADVANCED     1
 99:     c     DROP     6
100:     a     DROP     2
     GROUP ADVANCED GRADE

基本上这就是我正在寻找的结果:

result = merge(
  dcast.data.table(DT,.Primitive("~")(GROUP,ADVANCED)),
  dcast.data.table(DT,.Primitive("~")(GROUP,.),
                   value.var="GRADE", 
                   fun.aggregate=median));

setnames(result,".","MEDIAN_GRADE")

   GROUP ADVANCED DROP MEDIAN_GRADE
1:     a       17   19            6
2:     b       20   21            7
3:     c       13   10            6

现在我想知道如何在不制作两个单独的 dcast table 并在最后合并的情况下做到这一点。我在 table 中处理许多行和列,按键分组是一个瓶颈。我想知道有没有更好的方法来计算这个?

** 因为我的第一个问题含糊不清,所以我完全编辑了(感谢 Frank 和 Akrun 的反馈)。

更新后的问题

setnames(dcast(DT, GROUP~ADVANCED, length)[dcast(DT, GROUP~., median),
            on = "GROUP"], ".", "MEDIAN_GRADE")[]
#   GROUP ADVANCED DROP MEDIAN_GRADE
#1:     a       17   19            6
#2:     b       20   21            7
#3:     c       13   10            6

或者更快的方法是按 'GROUP' 分组,获取 'GRADE' 的 median,然后加入 ondcast 输出

DT[,.(MEDIAN_GRADE = median(GRADE)) , .(GROUP)][
              dcast(DT, GROUP ~ ADVANCED, length), on = 'GROUP']

好吧,你可以用长格式计算然后重塑:

dcast(DT[, rbind(
  .SD[, .(v = .N), by=.(stat = paste0("n.",ADVANCED))],
  .(stat = "med", v = as.numeric(median(GRADE)))
), by=GROUP], GROUP ~ stat)

   GROUP med n.ADVANCED n.DROP
1:     a   6         17     19
2:     b   7         20     21
3:     c   6         13     10

显然,这仍然涉及大量的手动摆弄。它还要求您的统计数据全部为数字(因为它们在 dcast 之前一起堆叠在 stat 列中)。我认为@akrun 的回答中的方法——比如 DT[, f(...), by=GROUP][dcast(DT, GROUP ~ x), on=GROUP]——要好得多,将 dcast 限制为仅那些需要它的调用。