我有以下数据集
> head(DT)
V1 V2 V3 V4 V5 V6 V7
1: 2 1 2 0.91 0.02 880.00 1
2: 3 2 1 0.02 0.00 2.24 2
3: 1 1 1 0.15 0.01 3.41 3
4: 1 2 1 3.92 0.05 268.67 2
5: 1 1 2 0.10 0.01 1.59 3
6: 0 1 1 1.20 0.04 1.43 3
> sapply(DT, class)
V1 V2 V3 V4 V5 V6 V7
"integer" "integer" "integer" "numeric" "numeric" "numeric" "factor"
有一个扩展成数千行的数据集。我试图在由因子变量V7定义的8个组内计算V1-V6的中位数值。
> levels(DT$V7)
[1] "1" "2" "3" "4" "5" "6" "7" "8"
目前我使用以下命令,但返回一个错误:
> DT[, lapply(.SD, median), by = V7]
Error in `[.data.table`(DF, , lapply(.SD, median), by = V7) :
Column 1 of result for group 4 is type 'integer' but expecting type 'double'. Column types must be consistent for each group.
我在某个地方读到过一个解决方法,那就是使用as.double(median(X))
。但这只适用于单个列:DT[, as.double(median(X)), by = V7]
,而考虑所有列时不起作用:DT[, lapply(.SD, as.double(median)), by = V7]
(如预期的一样,因为你必须传递一个输入给median)。
我可以通过使用aggregate来避免这个问题。
> aggregate(DT[,c(1:6), with = FALSE], by = list(DF$V7), FUN = median)
Group.1 V1 V2 V3 V4 V5 V6
1 1 0 1 1 1.285 0.04 401.500
2 2 1 2 1 3.565 0.06 6.400
3 3 0 1 1 0.360 0.03 11.200
4 4 1 1 1 74.290 0.26 325.960
5 5 2 1 0 1.145 0.04 1.415
6 6 0 1 1 10.100 0.18 93.000
7 7 1 1 0 0.740 0.04 1.080
8 8 1 1 0 7.970 0.40 0.050
但我想知道是否有办法解决上述错误并使用data.table进行这种计算。
lapply
语法:lapply(.SD, function(x) as.numeric(median(x)))
。lapply
的第二个参数必须是一个函数。 - Rolandvalue
为整数时,此问题也可能在dcast()
中显现。Roland的解答是在dcast
之前将该字段转换为数字,例如df[,value := as.numeric(value)]
。这对我很有效。 - kakarot