对多个 data.tables 执行多个操作

Question

我创建了 30 个 table。他们的名字结构如下：
mdl_(种族)_(工资四分位数).
(种族) 是以下之一：白人、黑人、西班牙裔、亚洲人、其他人或所有。
(工资四分位数) 是以下之一：Q1、Q2、Q3、Q4 和所有 Q。
因为我有 6 个种族类别和 5 个工资四分位数，所以我有 6*5 = 30 个对象！

示例：线性模型仅包括工资分布的第一个四分位数中的西班牙裔 => mdl_hispanics_Q1
示例：包括所有种族和所有工资四分位数的线性模型 => mdl_all_allQ

所有 table 的格式相同，当然具有不同的值：

          Variables     Estimate   Std. Error    t value      Pr(>|t|)
 1:       Intercept 37.231178895 9.486380e-02 392.469814  0.000000e+00
 2:         forborn -0.612941167 5.174224e-02 -11.846051  2.300944e-32
 3:          female -3.238655089 4.797890e-02 -67.501655  0.000000e+00
 4:        numchild  0.583390602 2.239027e-02  26.055543 1.841656e-149
 5: numchild_female  0.371351058 9.086739e-02   4.086736  4.376191e-05
 6:              hs  0.173864095 9.180975e-02   1.893743  5.826025e-02
 7:         somecol  0.595612050 9.407851e-02   6.331011  2.439689e-10
 8:         college  1.593917949 9.929766e-02  16.051918  5.923264e-58
 9:        advanced  0.171443556 1.983952e-03  86.415175  0.000000e+00
10:              rw -0.001207904 1.460021e-05 -82.731964  0.000000e+00
11:      rw_squared -0.954029880 3.252520e-02 -29.332024 8.456547e-189

我想要做的是获得一个包含 30 个值的数值向量，其中每个值都是变量“forborn”的估计值，前提是其统计显着性 Pr(>|t|) < 0.1，否则为零。我是 R 的初学者，只知道如何 table table。这非常乏味并且占用了太多代码。有没有一种方法可以利用 table 的命名方式相似这一事实，并在一次扫描中循环此操作？

Answer 1

编写一个函数，根据 p 值和 lapply 将列 Estimate 提取到列表中。

library(data.table)

fextrac <- function(x){
  y <- x[, Estimate := ifelse(`Pr(>|t|)` < 0.1, Estimate, 0)][["Estimate"]]
  y[x$Variables == "forborn"]
}

Estimates_list <- sapply(dt_list, fextrac)
Estimates_list
#[1] -0.6129412 -0.6129412

测试数据

dt1 <- read.table(text = "
         Variables     Estimate   'Std. Error'    't value'      'Pr(>|t|)'
 1:       Intercept 37.231178895 9.486380e-02 392.469814  0.000000e+00
 2:         forborn -0.612941167 5.174224e-02 -11.846051  2.300944e-32
 3:          female -3.238655089 4.797890e-02 -67.501655  0.000000e+00
 4:        numchild  0.583390602 2.239027e-02  26.055543 1.841656e-149
 5: numchild_female  0.371351058 9.086739e-02   4.086736  4.376191e-05
 6:              hs  0.173864095 9.180975e-02   1.893743  5.826025e-02
 7:         somecol  0.595612050 9.407851e-02   6.331011  2.439689e-10
 8:         college  1.593917949 9.929766e-02  16.051918  5.923264e-58
 9:        advanced  0.171443556 1.983952e-03  86.415175  0.000000e+00
10:              rw -0.001207904 1.460021e-05 -82.731964  0.000000e+00
11:      rw_squared -0.954029880 3.252520e-02 -29.332024 8.456547e-189
", header = TRUE, check.names = FALSE)

set.seed(2021)
dt2 <- dt1
dt2$`Pr(>|t|)`[sample(nrow(dt2), nrow(dt2)/3)] <- 0.1

setDT(dt1)
setDT(dt2)
dt_list <- list(dt1, dt2)

Answer 2

您可以尝试 mget 遍历数据帧，然后使用 sapply 从中获取数据。

编辑，更改了数据框名称以符合您的描述。

ls()
#[1] "mdl_hispanics_..."  "mdl_blacks_..." etc.

as.vector( sapply( mget( 
  grep("mdl_.*[whites|blacks|hispanics|asians|others|all]", 
  ls(), value=T) ), function(x) 
  ifelse( x[x$Variables == "forborn","Pr(>|t|)"] < 0.1,
          x[x$Variables == "forborn","Pr(>|t|)"], 0) ) )
#[1] 2.300944e-32 2.300944e-32 0.000000e+00

Answer 3

这可能被认为是更好的方法，它 returns 如果 p 值<0.1，或 0 [不是 p 值本身]

rbindlist(lapply(ls(pattern="mdl_"),get))[
  Variables=="forborn",fifelse(`Pr(>|t|)`<0.1,Estimate,0)
  ]

注意：如果您需要进一步确定对象

，只需调整 ls() 中的 pattern 参数

对多个 data.tables 执行多个操作

Performing multiple operations on multiple data.tables

loops

r

data.table

测试数据