在 data.table group by 子句中使用变量

Question

我有一个 data.table 正在尝试总结。这是我的方法

library(data.table)

dtIris <-data.table(iris)
dt1 <- dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), 
              by=list(TrimSpecies = substr(Species,1,3),Petal.Length)]

我希望能够使用变量来标识要分组的项目之一，但我无法用它来评估列表中的变量。它只是将其视为字符串并抛出错误。

myvar <- "Petal.Length"
dt1 <- dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), 
              by=list(TrimSpecies = substr(Species,1,3),myvar)]

我试过noquote()、eval()、parse(text=)都没有用。任何指导将不胜感激。

Answer 1

您可以使用 eval(parse(text=myvar)) 或 get(myvar)，尽管这将分别命名您的分组列 parse 或 get（然后您可以重命名）。

myvar <- "Petal.Length"
dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), 
              by=list(TrimSpecies = substr(Species,1,3), eval(parse(text=myvar)))]

dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), 
              by=list(TrimSpecies = substr(Species,1,3), get(myvar))]

我不确定如何按照您希望的方式保留名称。（编辑：by=setNames(list(...), c('TrimSpecies', myvar)) - 感谢@thelatemail！）

编辑 - 出于兴趣，回应下面的一些评论。

library(rbenchmark)
benchmark(
    eval=dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), 
              by=list(TrimSpecies = substr(Species,1,3), eval(parse(text=myvar)))],
    get=dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), 
              by=list(TrimSpecies = substr(Species,1,3), get(myvar))],
    chain=dtIris[, TrimSpecies := substr(Species,1,3)][,list(AvgSepalWidth = mean(Sepal.Width)),by=c("TrimSpecies",myvar)][,TrimSpecies:=NULL][]
)
   test replications elapsed relative user.self sys.self user.child sys.child
3 chain          100   0.151    1.987     0.250        0          0         0
1  eval          100   0.079    1.039     0.097        0          0         0
2   get          100   0.076    1.000     0.094        0          0         0

get 比 eval(parse(text=..))) 快，后者比定义 TrimSpecies 快，使用 by 的字符形式然后删除它（链接 dts）。

Answer 2

by 语句不接受字符串。它确实接受变量引用。

因此，您可以创建一个变量来复制要聚合的列的数据，而不是引用列名：

myvar <- dtIris[,Petal.Length]
dt2 <- dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), 
          by=list(TrimSpecies = substr(Species,1,3),myvar)]
all(dt2==dt1)
#TRUE

Answer 3

当我想同时按 1 个以上的变量分组时，事情变得有点棘手。继续的方法是创建一个变量 myvar，其中包含应该根据其进行分组的列的名称（在本例中为 2）；然后可以按以下方式使用 get 两次：

dtIris[, list(AvgSepalWidth = mean(Sepal.Width)), by = list(get(myvar[1]), get(myvar[2]))]

在 data.table group by 子句中使用变量

Using variable in data.table group by clause

r

list

data.table