使用R中的data.table对多列求和，去除NA值。

Question

使用R中的data.table对多列求和，去除NA值。

3

这实际上是两个问题。我正在尝试使用data.table软件包对大型数据集进行汇总。假设我的原始大型数据集是df1，不幸的是df1有50列（y0... y49），我想按3个字段（segmentfield1、segmentfield2、segmentfield3）对它们求和。有没有比逐个输入y0...y49列更简单的方法？与此相关的是，是否有data.table的通用na.rm=T选项，而不需要在每个sum中输入它？

dt1 <- data.table(df1)
setkey(dt1, segmentfield1, segmentfield2, segmentfield3)
dt2 <- dt1[,list( y0=sum(y0,na.rm=T), y1=sum(y1,na.rm=T), y2=sum(y2,na.rm=T), ... 
            y49=sum(y49,na.rm=T) ),
            by=list(segmentfield1, segmentfield2, segmentfield3)]

- lolatu2

1

@rcs，不完全是重复，但相似。 - Ricardo Saporta

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Ricardo Saporta · Accepted Answer

首先，为使用的名称创建对象变量：

colsToSum <- names(dt1)  # or whatever you need
summedNms <- paste0( "y", seq_along(colsToSum) )

如果您想将其复制到一个新的data.table中，请按如下方式操作：

dt2 <- dt1[, lapply(.SD, sum, na.rm=TRUE), .SDcols=colsToSum]
setnames(dt2, summedNms)

如果你想将这些列追加到原始数据中：

dt1[, c(summedNms) := lapply(.SD, sum, na.rm=TRUE), .SDcols=colsToSum]

就一般的na.rm处理而言，data.table没有特定的处理方式，但可以查看?na.omit和?na.exclude。