按组计算列的平均值

Question

我希望对于每个组，计算几列的平均值，但这些列应该作为名称向量给出：

library(data.table)
DT <- data.table(k=c(1,1,2,2,2),v=1:5,w=11:15,key="k")
DT[,list(N=.N,v=mean(v),w=mean(w)),by="k"]
   k N   v    w
1: 1 2 1.5 11.5
2: 2 3 4.0 14.0

然而，在计算平均值时，我不想明确指定v和w。我还有另一个变量。

mycols <- c("v","w")

应该使用代替显式列名。

我尝试了各种版本的

DT[,list(.N,colMeans(.SD[mycols])),by="k"]

并获得

Error in `[.data.table`(.SD, mycols) :

我想知道是否有一种方法来实现它...

- sds

---

您可以在这里和这里查看相关编程内容，涉及数据表中使用动态列名和以变量形式使用列名。 - akrun

Answer 1

我们可以使用.SDcols选择列mycols，并将.N与平均值连接起来。我们还需要使用lapply(.SD, mean)而不是colMeans(.SD)，因为colMeans()没有被优化。

DT[, c(N = .N, lapply(.SD, mean)), by = k, .SDcols = mycols]
#    k N   v    w
# 1: 1 2 1.5 11.5
# 2: 2 3 4.0 14.0

所以另一个例子是，如果我们只想要"v"，我们使用mycols [1]。

DT[, c(N = .N, lapply(.SD, mean)), by = k, .SDcols = mycols[1]]
#    k N   v
# 1: 1 2 1.5
# 2: 2 3 4.0

进一步解释，如果我们添加一列 z ，然后从上面运行相同的代码，则会发现 z 未包含在结果中。这是因为使用.SDcols = mycols从.SD中删除了它。

DT[, z := 21:25]
DT[, c(N = .N, lapply(.SD, mean)), by = k, .SDcols = mycols]
#    k N   v    w
# 1: 1 2 1.5 11.5
# 2: 2 3 4.0 14.0

- Rich Scriven

---

我有其他列（除了 v 和 w）不想包括在内。 - sds

@sds - 是的。这就是 .SDcols 的作用。它选择了 .SD 中的列。如果我们添加列 DT$z <- 21:25，然后运行上面的代码，我们可以看到结果中不会包括 z，也不会进行计算。 - Rich Scriven

将那个例子添加到我的答案中。 - Rich Scriven

谢谢 - .(N=.N) 和 N=.N 有什么不同？ - sds

谢谢；在这种情况下似乎不必要。 - sds

@sds - 哦，是的，你说得对。但在这种情况下不用考虑它 :) - Rich Scriven