数据表中的行操作

Question

我正在尝试使用data.table按行进行简单的求和和平均值，但我得到了意外的结果。我遵循了FAQ手册第2节中关于data.table的帮助。我找到了一种有效的方法，但我不确定为什么FAQ第2节中的这种方法不起作用。该方法给出了错误的结果（即它给出了第一列的值）。

dt[, genesum:=lapply(.SD,sum), by=gene]
head(dt)

      gene      TCGA_04_1348      TCGA_04_1362   genesum  
  1:    A1BG          0.94565          0.70585  0.94565   
  2: A1BG-AS          0.97610          1.15850  0.97610   
  3:    A1CF          0.00000          0.02105  0.00000   
  4:   A2BP1          0.00300          0.04150  0.00300   
  5:   A2LD1          4.57975          5.02820  4.57975  
  6:     A2M         60.37320         36.09715 60.37320 

这样做可以得到我所期望的结果

dt[, genesum:=apply(dt[,-1, with=FALSE],1, sum)]
head(dt)

       gene     TCGA_04_1348       TCGA_04_1362 genesum
  1:    A1BG          0.94565          0.70585  1.65150
  2: A1BG-AS          0.97610          1.15850  2.13460
  3:    A1CF          0.00000          0.02105  0.02105
  4:   A2BP1          0.00300          0.04150  0.04450
  5:   A2LD1          4.57975          5.02820  9.60795
  6:     A2M         60.37320         36.09715 96.47035

我有很多列和行，这只是其中的一部分。这与我设置密钥的方式有关吗？

tables()
 NAME        NROW    MB COLS                                               KEY                                             
 [1,] dt     20,785  2  gene,TCGA_04_1348_01A,TCGA_04_1362_01A,genesum    gene

- sahir

Answer 1

一些事项：

1. dt[, genesum:=lapply(.SD,sum), by=gene] and dt[, genesum:=apply(dt[ ,-1],1, sum)] are quite different.

   • dt[, genesum:=lapply(.SD,sum), by=gene] loops over the columns of the .SD data.table and sums them

   • dt[, genesum:=apply(dt[, -1], 1, sum)] is looping over the rows (ie. apply(x, 1, function) applies function to every row in x

2. I think you can get what you want by calling rowSums, like so:

   dt[, genesum := rowSums(dt[, -1])]
   

这是你想要的吗？

- Steve Lianoglou

---

我现在看到了区别。就效率而言，apply和rowSums之间没有区别吗？ - sahir

@sahir：我认为rowSums应该更快，因为我相信它避免了在R中的循环，但是如果输入不是矩阵，它也会创建一个副本来将其转换为矩阵。 - Steve Lianoglou

我该如何编写像rowSums这样的函数...比如说rowMedian？ - Indranil Gayen

@IndranilGayen：为了避免在R中循环，您需要用C/C++编写代码。看一下matrixStats包，它提供了许多类似row和col的操作，并通过委托给C来实现快速运行。（我链接到了GitHub而不是CRAN，这样您可以更轻松地浏览源代码） - Steve Lianoglou

Answer 2

以下是一种替代方案（基于这个stackoverflow问题）：

dt[ ,  genesum := sum(.SD[, -1, with=FALSE]), by = 1:NROW(dt) ]

另一种选择：

# OR... you can create a column with row positions and apply your function by row
dt[, rowpos := .I]
dt[ ,  genesum := sum(.SD[, -1, with=FALSE]), by = rowpos]

- rafa.pereira