在一个data.table中，按组计算多个列的加权平均数

Question

这个问题是在组加权平均值的基础上提出的：我想使用data.table创建加权组内平均值。与最初的问题不同的是，要平均的变量名称在字符串向量中指定。

数据如下：

df <- read.table(text= "
          region    state  county  weights y1980  y1990  y2000
             1        1       1       10     100    200     50
             1        1       2        5      50    100    200
             1        1       3      120    1000    500    250
             1        1       4        2      25    100    400
             1        1       4       15     125    150    200
             2        2       1        1      10     50    150
             2        2       2       10      10     10    200
             2        2       2       40      40    100     30
             2        2       3       20     100    100     10
", header=TRUE, na.strings=NA)

使用Roland在上述问题中提供的答案：

library(data.table)
dt <- as.data.table(df)
dt2 <- dt[,lapply(.SD,weighted.mean,w=weights),by=list(region,state,county)]

我有一个包含字符串的向量，用于动态确定我想要组内加权平均值的列。

colsToKeep = c("y1980","y1990")

但我不知道如何将它作为参数传递给data.table函数。

我尝试过：

 dt[,lapply(
      as.list(colsToKeep),weighted.mean,w=weights),
      by=list(region,state,county)]` 

但是我接下来会得到：

Error in x * w : non-numeric argument to binary operator

我不确定如何实现我想要的。

额外问题：我希望保留原始列名，而不是得到V1和V2。

NB：我使用data.table包的1.9.3版本。

- Peutch

Answer 1

通常情况下，您应该能够执行以下操作：

dt2 <- dt[,lapply(.SD,weighted.mean,w=weights), 
          by = list(region,state,county), .SDcols = colsToKeep]

即仅通过将那些列提供给.SDcols即可。但目前，由于存在一个错误，即weights列未在.SDcols中指定，因此这种方法无法运行due to a bug。

在问题得到修复之前，我们可以按照以下方式完成：

dt2 <- dt[, lapply(mget(colsToKeep), weighted.mean, w = weights), 
            by = list(region, state, county)]
#    region state county     y1980    y1990
# 1:      1     1      1  100.0000 200.0000
# 2:      1     1      2   50.0000 100.0000
# 3:      1     1      3 1000.0000 500.0000
# 4:      1     1      4  113.2353 144.1176
# 5:      2     2      1   10.0000  50.0000
# 6:      2     2      2   34.0000  82.0000
# 7:      2     2      3  100.0000 100.0000

- Arun

---

该漏洞仍然存在，或者第一种方法不再推荐？在2015年12月16日，我遇到了这个问题：Error in as.double(w) : cannot coerce type 'closure' to vector of type 'double'。 - PatrickT

抱歉，错误还没有修复 :-(。您可以尝试使用以下代码：dt[, lapply(mget(colsToKeep), weighted.mean, w=weights), by=.(region,state,country)]。您的错误似乎表明您正在使用函数作为输入使用 as.double`（这与错误无关）。 - Arun

所以您的建议是使用“mget()”而不是“as.list(.SD)[]”，对吗？（我知道您在“by=”后面使用的点是“list”的速记，因此代码的那一部分与您上面的解决方法相同）（关于错误消息，我认为我只是复制粘贴了OP的数据，但没有通过data.frame。） - PatrickT

是的，没错。我会编辑它以替换 as.list()。我当时一定是写错了，因为 mget() 当时不起作用（这是另一个 bug，但我们已经修复了）。 - Arun

Answer 2

我不了解 data.table，但你考虑过使用 dplyr 吗？我认为它几乎和 data.table 一样快。

library(dplyr)
df %>% 
  group_by(region, state, county) %>% 
  summarise(mean_80 = weighted.mean(y1980, weights), 
            mean_90 = weighted.mean(y1990, weights))
Source: local data frame [7 x 5]
Groups: region, state

  region state county   mean_80  mean_90
1      1     1      1  100.0000 200.0000
2      1     1      2   50.0000 100.0000
3      1     1      3 1000.0000 500.0000
4      1     1      4  113.2353 144.1176
5      2     2      1   10.0000  50.0000
6      2     2      2   34.0000  82.0000
7      2     2      3  100.0000 100.0000

- kferris10

---

谢谢你的帮助，但我需要使用data.table，并且你的答案没有解决我的新问题限制，即必须通过矢量动态指定列。 - Peutch

我的错，我应该更仔细地阅读你的帖子。如果你决定切换到dplyr，这里有一个可能会有帮助的例子。 - kferris10