在 data.table R 中以编程方式将不同的函数应用于不同的列

Question

我需要使用 data.table 以编程方式将不同的函数应用于不同的列和分组依据。

如果已知列和函数，我会这样做：

library(data.table)
DT = data.table(id = rep(letters[1:3], each=3),
                v1 = rep(c(2, 3, 4), each=3),
                v2 = rep(c(5, 10, 15), each=3))
DT
#>    id v1 v2
#> 1:  a  2  5
#> 2:  a  2  5
#> 3:  a  2  5
#> 4:  b  3 10
#> 5:  b  3 10
#> 6:  b  3 10
#> 7:  c  4 15
#> 8:  c  4 15
#> 9:  c  4 15
DT[, .(v1=mean(v1), v2=sum(v2)), keyby=.(id)]
#>    id v1 v2
#> 1:  a  2 15
#> 2:  b  3 30
#> 3:  c  4 45

但我想通过传递列名及其特定功能来实现：

aggregate_functions = list(v1=mean, v2=sum)
col_selection = c('v1', 'v2')

我写了这样的东西，因为我想不出将列名传递给 lapply:

的方法

DT[, lapply(.SD, 
            aggregate_functions[[col_name]] # some way of selecting the right function from aggregate_functions
            ), 
   .SDcols = col_selection, 
   by=id]

我也尝试过 melt 和 dcast，但后者将所有函数应用于所有列：

library(data.table)
DT = data.table(id = rep(letters[1:3], each=3),
                v1 = rep(c(2, 3, 4), each=3),
                v2 = rep(c(5, 10, 15), each=3))
DTm = melt(DT, meaure.vars=col_selection, id.vars='id')
DTm
#>     id variable value
#>  1:  a       v1     2
#>  2:  a       v1     2
#>  3:  a       v1     2
#>  4:  b       v1     3
#>  5:  b       v1     3
#>  6:  b       v1     3
#>  7:  c       v1     4
#>  8:  c       v1     4
#>  9:  c       v1     4
#> 10:  a       v2     5
#> 11:  a       v2     5
#> 12:  a       v2     5
#> 13:  b       v2    10
#> 14:  b       v2    10
#> 15:  b       v2    10
#> 16:  c       v2    15
#> 17:  c       v2    15
#> 18:  c       v2    15
DTc = dcast(DTm, id~variable, fun.aggregate=list(sum, mean))
DTc
#>    id value_sum_v1 value_sum_v2 value_mean_v1 value_mean_v2
#> 1:  a            6           15             2             5
#> 2:  b            9           30             3            10
#> 3:  c           12           45             4            15

我可以通过编程方式 select 并重命名相关列（在本例中为 3 和 4），但这看起来不是一种有效的方法。

当然我可以有一个循环来完成这项工作并合并结果，但我正在寻找一种 data.table 方式。

感谢您的回答并感谢 data.table 的团队。

^{由 reprex package (v0.3.0)}

于 2019-11-26 创建

Answer 1

在我发布问题后，link 到 answer by @Uwe 出现在包含我要查找的结果的右侧框中。我对其进行了调整以匹配我的示例：

library(magrittr)
library(data.table)
DT = data.table(id = rep(letters[1:3], each=3),
                v1 = rep(c(2, 3, 4), each=3),
                v2 = rep(c(5, 10, 15), each=3))
aggregate_functions = list(v1='mean', v2='sum')
col_selection = c('v1', 'v2')
aggregate_functions %>%
  names() %>% 
  lapply(
    function(col_selection) lapply(
      aggregate_functions[[col_selection]], 
      function(.fct) sprintf("%s = %s(%s)", col_selection, .fct, col_selection))) %>% 
  unlist() %>% 
  paste(collapse = ", ") %>% 
  sprintf("DT[, .(%s), by = id]", .) %>% 
  parse(text = .) %>% 
  eval()
#>    id v1 v2
#> 1:  a  2 15
#> 2:  b  3 30
#> 3:  c  4 45

我仍然对 'all in data.table' 解决方案感兴趣。

^{由 reprex package (v0.3.0)}

于 2019-11-26 创建

Answer 2

一个选项是使用 mapply:

DT[, mapply(function(f,x) as.list(f(x)), aggregate_functions, .SD), id, 
    .SDcols=col_selection]

需要注意 col_selection 和 aggregate_functions 的顺序，以便将正确的函数应用于正确的列。

输出：

   id v1 v2
1:  a  2 15
2:  b  3 30
3:  c  4 45

从 OP 编辑:

只是为了完成这个绝妙的解决方案。此解决方案非常有效，如果我们将 col_selection 替换为 names(aggregate_functions)，则排序没有问题。另外它会自动丢弃所有不在列表中的列：

library(data.table)
DT = data.table(id = rep(letters[1:3], each=3),
                v1 = rep(c(2, 3, 4), each=3),
                v2 = rep(c(5, 10, 15), each=3),
                id2 = c(rep(c('cc', 'dd'), 4), 'dd')
                )
aggregate_functions = list(v1=mean, v2=sum)
DT[, mapply(function(f,x) as.list(f(x)), aggregate_functions, .SD), id, 
   .SDcols=names(aggregate_functions)]
#>    id v1 v2
#> 1:  a  2 15
#> 2:  b  3 30
#> 3:  c  4 45

也可以通过传递列表来使用多个变量进行聚合：

DT[, mapply(function(f,x) as.list(f(x)), aggregate_functions, .SD), list(id, id2), 
   .SDcols=names(aggregate_functions)]
#>    id id2 v1 v2
#> 1:  a  cc  2 10
#> 2:  a  dd  2  5
#> 3:  b  dd  3 20
#> 4:  b  cc  3 10
#> 5:  c  cc  4 15
#> 6:  c  dd  4 30

^{由 reprex package (v0.3.0)}

于 2019-11-27 创建

在 data.table R 中以编程方式将不同的函数应用于不同的列

Apply different functions to different columns programmatically in data.table R

r

data.table

grouping

apply

mapply