按因子计算不同列作为文本字符串传递的不同函数集
Calculate different sets of functions passed as text strings for different columns by factor
在我的 R shiny App 中，我想允许用户通过复选框选择列（数据中的仪器参数），并为每个列应用哪些函数（即应用哪些统计数据） :
计算列 x,y,z
不同的函数 作为文本字符串传递，为该列选择，
每组执行此操作（带名称的因子列，此处称为 'category'。）和
在输出 df
中命名结果列（名称 + 函数名称）
选中的复选框将生成一个命名列表，其中名称是列（df 中的参数名称），每个命名列表元素都包含一个向量，其中包含要应用的函数的文本字符串名称
我的功能请求列表如下所示：
functionlist <- list(c1 = c('mean', 'sum'),
c2 = 'Length',
c3 = c('Min', 'Max'),
c4 = c('mean', 'sd', 'sum'))
- mean = 平均值
- 长度为计数，或 .N
- 标准差中的 sd 或 colSds
- 总和
因此，我正在寻找一个快速的方法是将不同的函数集应用于不同的列一次并以数据帧的形式获得结果
预期结果：
应用它的数据将与此虚拟数据相当：
library(data.table)
n = 100000
dt = data.table(index=1:100000,
category = sample(letters[1:25], n, replace = T),
c1=rnorm(n,10000),
c2=rnorm(n,1000),
c3=rnorm(n,100),
c4 = rnorm(n,10)
)
p.s。这是这个问题的跟进：，但现在将不同的函数应用于不同的列变得更加复杂
更新如果用户还可以选择要计算的组，那就更好了。
首先我转换为小写，因为其中一些函数不存在（至少在 base R 中）。然后我设置名称，以便输出列有名称。接下来，我 lapply 遍历函数名称向量并将它们应用于 get(.y)，这是 functionlist 中当前元素的名称，即列名。
这里对不太标准的东西的一些解释：
imap 来自 tidyverse（特别是 purrr）就像 lapply，但不是写 function(x) 并将函数体中的元素称为 x，你可以只写 ~ 并使用 .x 来引用列表中的元素，并使用 .y 作为该元素的名称。 imap_dfc 类似于 imap，但它 cbinds 所有结果都在数据框上。get(x) 将搜索名称为分配给 x 和 return 的字符串的对象。因此，如果 f 和 x 被分配为 f <- 'mean' 和 x = 'c1'，则 get(f)(get(x)) 等同于 mean(c1).
library(tidyverse)
imap_dfc(functionlist, ~{
.x <- tolower(.x)
.x <- setNames(.x, paste0(.y, '_', .x))
dt[, lapply(.x, function(f) get(f)(get(.y)))
, by = category][,-'category']
})[, category := unique(dt$category)]
# c1_mean c1_sum c2_length c3_min c3_max c4_mean c4_sd c4_sum category
# 1: 9999.988 39689953 3969 96.32998 103.3013 9.999057 1.0047397 39686.26 i
# 2: 9999.992 40749969 4075 96.45056 103.4090 9.990428 1.0018953 40710.99 e
# 3: 9999.980 39769919 3977 96.93850 103.6276 10.014546 1.0231273 39827.85 p
# 4: 9999.989 40379955 4038 96.04255 103.6632 9.999367 0.9892175 40377.45 y
# 5: 10000.008 39550031 3955 96.25407 103.7432 10.003377 1.0169810 39563.36 d
# 6: 9999.997 38809990 3881 96.29265 104.3206 9.993976 1.0026220 38786.62 q
# 7: 10000.021 39910082 3991 96.50937 103.4453 9.989248 0.9877364 39867.09 o
# 8: 10000.028 39860113 3986 96.18319 103.8271 9.996190 0.9688054 39844.81 w
# 9: 10000.006 39860025 3986 96.89095 103.8927 10.004848 1.0097102 39879.32 n
# 10: 10000.018 39700073 3970 96.36530 103.4446 10.012726 1.0140592 39750.52 s
# 11: 9999.997 39939988 3994 96.40691 103.7046 9.983768 1.0036815 39875.17 u
# 12: 9999.985 39809941 3981 96.22220 104.0094 10.026315 1.0019427 39914.76 g
# 13: 10000.013 40330054 4033 96.29462 103.8641 9.983023 0.9943337 40261.53 x
# 14: 10000.003 39060012 3906 96.42303 103.7972 9.997054 0.9981013 39048.49 j
# 15: 10000.002 39640008 3964 96.30402 103.8221 10.003373 1.0198045 39653.37 h
# 16: 10000.003 40860011 4086 96.54114 103.4493 9.978961 0.9921391 40774.04 l
# 17: 9999.978 40829908 4083 96.18487 103.7403 9.997847 1.0126861 40821.21 f
# 18: 9999.964 39249859 3925 96.22323 103.6110 9.994997 0.9965463 39230.36 m
# 19: 9999.964 39959858 3996 96.37931 103.4358 10.020087 1.0149939 40040.27 v
# 20: 10000.014 40760057 4076 96.22407 104.0107 10.015623 0.9981900 40823.68 b
# 21: 9999.998 40019993 4002 96.77786 103.7248 10.000020 1.0099821 40020.08 k
# 22: 9999.981 41449920 4145 96.73103 103.8441 10.032406 1.0161685 41584.32 t
# 23: 10000.010 39320039 3932 95.83859 103.2523 9.970763 0.9953307 39205.04 a
# 24: 9999.984 40769934 4077 96.05744 103.3219 9.995989 1.0073559 40753.65 r
# 25: 10000.001 39720003 3972 96.51861 103.3922 9.945475 0.9816170 39503.43 c
# c1_mean c1_sum c2_length c3_min c3_max c4_mean c4_sd c4_sum category
在我的 R shiny App 中，我想允许用户通过复选框选择列（数据中的仪器参数），并为每个列应用哪些函数（即应用哪些统计数据） :
计算列 x,y,z
不同的函数 作为文本字符串传递，为该列选择，
每组执行此操作（带名称的因子列，此处称为 'category'。）和
在输出 df
中命名结果列（名称 + 函数名称）选中的复选框将生成一个命名列表，其中名称是列（df 中的参数名称），每个命名列表元素都包含一个向量，其中包含要应用的函数的文本字符串名称
我的功能请求列表如下所示：
functionlist <- list(c1 = c('mean', 'sum'),
c2 = 'Length',
c3 = c('Min', 'Max'),
c4 = c('mean', 'sd', 'sum'))
- mean = 平均值
- 长度为计数，或 .N
- 标准差中的 sd 或 colSds
- 总和
因此，我正在寻找一个快速的方法是将不同的函数集应用于不同的列一次并以数据帧的形式获得结果
预期结果：
应用它的数据将与此虚拟数据相当：
library(data.table)
n = 100000
dt = data.table(index=1:100000,
category = sample(letters[1:25], n, replace = T),
c1=rnorm(n,10000),
c2=rnorm(n,1000),
c3=rnorm(n,100),
c4 = rnorm(n,10)
)
p.s。这是这个问题的跟进：
更新如果用户还可以选择要计算的组，那就更好了。
首先我转换为小写，因为其中一些函数不存在（至少在 base R 中）。然后我设置名称，以便输出列有名称。接下来，我 lapply 遍历函数名称向量并将它们应用于 get(.y)，这是 functionlist 中当前元素的名称，即列名。
这里对不太标准的东西的一些解释：
imap来自 tidyverse（特别是 purrr）就像lapply，但不是写function(x)并将函数体中的元素称为x，你可以只写~并使用.x来引用列表中的元素，并使用.y作为该元素的名称。imap_dfc类似于imap，但它cbinds所有结果都在数据框上。get(x)将搜索名称为分配给x和 return 的字符串的对象。因此，如果f和x被分配为f <- 'mean'和x = 'c1'，则get(f)(get(x))等同于mean(c1).
library(tidyverse)
imap_dfc(functionlist, ~{
.x <- tolower(.x)
.x <- setNames(.x, paste0(.y, '_', .x))
dt[, lapply(.x, function(f) get(f)(get(.y)))
, by = category][,-'category']
})[, category := unique(dt$category)]
# c1_mean c1_sum c2_length c3_min c3_max c4_mean c4_sd c4_sum category
# 1: 9999.988 39689953 3969 96.32998 103.3013 9.999057 1.0047397 39686.26 i
# 2: 9999.992 40749969 4075 96.45056 103.4090 9.990428 1.0018953 40710.99 e
# 3: 9999.980 39769919 3977 96.93850 103.6276 10.014546 1.0231273 39827.85 p
# 4: 9999.989 40379955 4038 96.04255 103.6632 9.999367 0.9892175 40377.45 y
# 5: 10000.008 39550031 3955 96.25407 103.7432 10.003377 1.0169810 39563.36 d
# 6: 9999.997 38809990 3881 96.29265 104.3206 9.993976 1.0026220 38786.62 q
# 7: 10000.021 39910082 3991 96.50937 103.4453 9.989248 0.9877364 39867.09 o
# 8: 10000.028 39860113 3986 96.18319 103.8271 9.996190 0.9688054 39844.81 w
# 9: 10000.006 39860025 3986 96.89095 103.8927 10.004848 1.0097102 39879.32 n
# 10: 10000.018 39700073 3970 96.36530 103.4446 10.012726 1.0140592 39750.52 s
# 11: 9999.997 39939988 3994 96.40691 103.7046 9.983768 1.0036815 39875.17 u
# 12: 9999.985 39809941 3981 96.22220 104.0094 10.026315 1.0019427 39914.76 g
# 13: 10000.013 40330054 4033 96.29462 103.8641 9.983023 0.9943337 40261.53 x
# 14: 10000.003 39060012 3906 96.42303 103.7972 9.997054 0.9981013 39048.49 j
# 15: 10000.002 39640008 3964 96.30402 103.8221 10.003373 1.0198045 39653.37 h
# 16: 10000.003 40860011 4086 96.54114 103.4493 9.978961 0.9921391 40774.04 l
# 17: 9999.978 40829908 4083 96.18487 103.7403 9.997847 1.0126861 40821.21 f
# 18: 9999.964 39249859 3925 96.22323 103.6110 9.994997 0.9965463 39230.36 m
# 19: 9999.964 39959858 3996 96.37931 103.4358 10.020087 1.0149939 40040.27 v
# 20: 10000.014 40760057 4076 96.22407 104.0107 10.015623 0.9981900 40823.68 b
# 21: 9999.998 40019993 4002 96.77786 103.7248 10.000020 1.0099821 40020.08 k
# 22: 9999.981 41449920 4145 96.73103 103.8441 10.032406 1.0161685 41584.32 t
# 23: 10000.010 39320039 3932 95.83859 103.2523 9.970763 0.9953307 39205.04 a
# 24: 9999.984 40769934 4077 96.05744 103.3219 9.995989 1.0073559 40753.65 r
# 25: 10000.001 39720003 3972 96.51861 103.3922 9.945475 0.9816170 39503.43 c
# c1_mean c1_sum c2_length c3_min c3_max c4_mean c4_sd c4_sum category