根据多列的即时因子求和

Question

我想根据多列的切割值计算总和。我知道如何为每一列手动执行此操作，但我正在努力寻找一种合适的方法来自动化所有列的功能。通常我会将我的函数与 lapply 一起使用，但我选择与 data.table 一起使用，但我不知道如何使用 char 值。

我希望得到一个 data.table 的列表，其中包含每个类别的总和，或者 matrix/data.table 每个列变量的第一列和以下列作为类别，例如

data.table(col.name=c("v1","v2"), low=c( 1185.3074,1175.7261 ), high=c( 1175.726,350.3937 ))

MWE

rm(list=ls())
if(!require(data.table)) { install.packages("data.table"); require(data.table)}
set.seed(123)
DT<-data.table(v1=runif(50,10,50),v2=runif(50,10,50))

DT[,sum(v1, na.rm = T), by=cut(DT[,v1], breaks=c(0,25,50), labels = c("low", "high"))]
DT[,sum(v2, na.rm = T), by=cut(DT[,v2], breaks=c(0,25,50), labels = c("low", "high"))]

Answer 1

你可以尝试这样的事情，虽然不是你想要的，但结果很接近，它会自动执行摘要过程（本质上它仍然是遍历所有数据列的循环 table 并总结每一个）：

DT[, c(lapply(.SD, function(col) tapply(col, cut(col, breaks = c(0, 25, 50)), FUN=sum)), 
       list(category = c('low', 'high')))]

#          v1        v2 category
#1:  323.2453  331.0626      low
#2: 1216.9367 1122.9914     high

Answer 2

我想一种标准方法是重塑两次：

dcast(
  melt(DT), 
  variable ~ cut(value, c(0,25,50), c("low","high")), 
  fun = sum
)

#    variable      low     high
# 1:       v1 323.2453 1216.937
# 2:       v2 331.0626 1122.991

melt 重塑为 "long"；而 dcast 恢复为 "wide."

Answer 3

有趣的基础 R 解决方案：

do.call(rbind, lapply(DT, function(x) tapply(x, cut(x, 0:2*25), sum)))

#        (0,25]     (25,50]
#v1 323.2452605 1216.936685
#v2 331.0626328 1122.991399

Answer 4

我从数据 table 开始，但我认为 tidyr 和 dplyr 更适合我以后的目的table。我似乎更容易总结同时使用多个函数同时保持对命名的控制。无论如何，对同一个问题有第二种解决方案总是好的，我需要推动来重塑我的数据。

if(!require(dplyr)) { install.packages("dplyr"); require(dplyr)}
if(!require(tidyr)) { install.packages("tidyr"); require(tidyr)}
DT %>% 
    gather(variable, value) %>%
    mutate(segment = cut(value, c(0,25,50), c("low","high"))) %>%
    group_by(variable,segment) %>%
    summarise(sum=sum(value)) %>%
    spread(segment, sum)

根据多列的即时因子求和

Sum by on the fly factor over many columns

aggregate

r

categories

data.table