Zusammenfassung mehrere Spalten mit Daten.Tabelle

Ich versuche, die Daten verwenden.Tabelle zur Beschleunigung der Verarbeitung großer Datenmengen.Rahmen (300k x 60) aus mehreren kleineren zusammengeführten Daten.frames. Ich bin neue zu Daten.Tabelle. Der code so weit ist wie folgt

library(data.table)
a = data.table(index=1:5,a=rnorm(5,10),b=rnorm(5,10),z=rnorm(5,10))
b = data.table(index=6:10,a=rnorm(5,10),b=rnorm(5,10),c=rnorm(5,10),d=rnorm(5,10))
dt = merge(a,b,by=intersect(names(a),names(b)),all=T)
dt$category = sample(letters[1:3],10,replace=T)

und ich fragte mich, ob es einen effizienteren Weg, als die folgende zusammenfassen der Daten.

summ = dt[i=T,j=list(a=sum(a,na.rm=T),b=sum(b,na.rm=T),c=sum(c,na.rm=T),
                     d=sum(d,na.rm=T),z=sum(z,na.rm=T)),by=category]

Ich nicht wirklich wollen, geben Sie alle 50 Spalte Berechnungen von hand und eine eval(paste(...)) scheint irgendwie klobig.

Ich hatte einen Blick auf das Beispiel unten, aber es scheint ein bisschen kompliziert für meine Bedürfnisse. Dank

wie zum zusammenfassen von Daten.Tabelle über mehrere Spalten

InformationsquelleAutor Tahnoon Pasha | 2013-05-13
  1. 84

    Können Sie eine einfache lapply - Anweisung mit .SD

    dt[, lapply(.SD, sum, na.rm=TRUE), by=category ]

   category index        a        b        z         c        d
1:        c    19 51.13289 48.49994 42.50884  9.535588 11.53253
2:        b     9 17.34860 20.35022 10.32514 11.764105 10.53127
3:        a    27 25.91616 31.12624  0.00000 29.197343 31.71285

    Wenn Sie nur wollen, um zusammenzufassen, die in bestimmten Spalten, die Sie hinzufügen können, die .SDcols argument

    #  note that .SDcols also allows reordering of the columns
dt[, lapply(.SD, sum, na.rm=TRUE), by=category, .SDcols=c("a", "c", "z") ] 

   category        a         c        z
1:        c 51.13289  9.535588 42.50884
2:        b 17.34860 11.764105 10.32514
3:        a 25.91616 29.197343  0.00000

    Dies ist natürlich nicht beschränkt auf sum und Sie können jede Funktion mit lapply einschließlich anonyme Funktionen. (ie, es ist eine regelmäßige lapply - Anweisung).

    Schließlich gibt es keine Notwendigkeit zu verwenden i=T und j= <..>. Ich persönlich denke, dass macht den code weniger lesbar, aber es ist eben ein Stil der Präferenz.

    BEARBEITEN: Dokumentation

    Finden Sie in der Dokumentation zu .SDund einige andere spezielle Variablen unter dem

    Hilfe ?"[.data.table" (im Abschnitt "Argumente", und suchen Sie unter der info für by).

    Haben auch einen Blick auf die Daten.Tabelle FAQ 2.1

    http://datatable.r-forge.r-project.org/datatable-faq.pdf

    • was ist, wenn Sie möchten, dass mehrere Aggregationsfunktionen für verschiedene collumns? Zum Beispiel, Sie möchten die Summe für collumn ein und das bedeutet für collumn b
    • Antwort auf meine Frage: DT[, .(agra = sum(a), agrb = mean(b)), by=category]
    • Gibt es eine Möglichkeit, auch automatisch den Spaltennamen "Summe a" , "Summe b", "Summe " c" in der lapply?
    InformationsquelleAutor Ricardo Saporta
Schreibe einen Kommentar