将多个列名传递给"data.table"函数中的"by"参数

Question

我读了许多有关将列名传递给data.table函数的文章，但是我没有看到一篇涉及将多个变量传递给"by"的文章。我通常使用类似这样的代码来按组计算汇总统计信息。

# Data
library(data.table)
dt=mtcars
setDT(dt)

# Summary Stats Example
dt[cyl==4,.(Count=.N,
    Mean=mean(hp),
    Median=median(hp)),
    by=.(am,vs)]

#    am vs Count   Mean Median
# 1:  1  1     7 80.571     66
# 2:  0  1     3 84.667     95
# 3:  1  0     1 91.000     91

我无法使以下函数起作用：

# Function
myFun <- function(df,i,j,by){
    df[i==4,.(Count=.N,
      Mean=mean(j),
      Median=median(j)),
      by=.(am,by)]
}
myFun(dt,i='cyl',j='hp',by='vs')

请注意，我在这个例子中硬编码了“4”和“am”。当只使用一个分组变量时，get()函数可以工作，但是当使用多个分组变量时失败了。欢迎指导如何在编写data.table函数时正确使用get/quote/eval/substitute/parse/as.name等函数。

- kakarot

---

https://stackoverflow.com/search?tab=newest&q=user%3a1191259%20%5bdata.table%5d%20substitute 或 https://dev59.com/3mAf5IYBdhLWcg3wSQ4z - chinsoon12

Answer 1

只需为 data.table 的 by 部分创建一个字符向量，它就能工作：

myFun <- function(df, i, j, by){

 df[get(i) == 4, .(Count = .N, 
           Mean = mean(get(j)),
           Median = median(get(j))),
  by = c(by, 'am')]
}



myFun(dt, i = 'cyl', j = 'hp', by = 'vs')

#vs am Count     Mean Median
#1:  1  1     7 80.57143     66
#2:  1  0     3 84.66667     95
#3:  0  1     1 91.00000     91

- sm925

---

不需要使用 eval(by)。 - s_baldur

感谢@sm925和@sindri_baldur。我注意到上面的代码将by参数从列表更改为向量。我的示例没有显示它，但通常我会在by参数中应用条件（例如grp>2），因此对于我的一般目的，我需要使用by=.()。 - kakarot

你的回复帮助我制作了以下的备忘单：

• 使用 get(var) 传递 i、j 和 by 变量
• 直接传递 i 或 by 的条件

上述假设 by 是一个列表。在更复杂的情况下，上述方法可能会失败或被视为不良实践。例如，我使用 merge() 而不是利用 [ 来连接两个 data.tables。 - kakarot

Answer 2

我已经接受了sm95的答案。以下是一个更复杂的示例/解决方案，它将列表发送到by参数：

# Libraries
library(data.table)

# Data
dt = mtcars
setDT(dt)

# Function to calculate summary statistics
myFun <- function(df, i1var, i1val, i2var, i2val,            # i arguments
                                    j,                       # j arguments
                                    by1var, by2var, by2val){ # by arguments
    df[get(i1var) == i1val & get(i2var) %in% i2val,
         .(Count = .N,
            Mean = mean(get(j)),
            Median = median(get(j))),
        by = .(get(by1var), get(by2var) == by2val)]
} # END Function

# Run function
myFun(dt,i1var = 'cyl', i1val = 4, i2var = 'gear', i2val = c(3,4),
            j = 'hp',
            by1var = 'vs', by2var = 'am', by2val = 1)
#    vs am Count     Mean Median
# 1:  1  1     6 75.16667     66
# 2:  1  0     3 84.66667     95

# Should match
dt[cyl == 4 & gear %in% c(3,4),
     .(Count = .N,
        Mean = mean(hp),
        Median = median(hp)),
     by = .(vs, am == 1)]
#    vs am Count     Mean Median
# 1:  1  1     6 75.16667     66
# 2:  1  0     3 84.66667     95

这是我的备忘单：

• 使用get(var)传递i、j和by变量
• 直接传递i或by条件

以上内容可能不适用于更复杂的函数，并且可能不是最优解。

如果by是一个向量而不是列表（例如，by=c()与by=.()），则可以直接传递by参数。

- kakarot