3

这是我要解决的简单问题：我有一个如下表所示的 data.table，我正在尝试使用dcast.data.table函数来计算每个组的进步数量，但我也有兴趣计算median成绩每组：

set.seed(10);
DT = data.table(GROUP = sample(c("a","b","c"),100,replace = T), 
                ADVANCED = sample(c("ADVANCED","DROP"),100,replace = T),
                GRADE = sample(1:10,100, replace=T))

     GROUP ADVANCED GRADE
  1:     b ADVANCED     3
  2:     a ADVANCED     6
  3:     b ADVANCED     7
  4:     c ADVANCED     9

 95:     b     DROP     6
 96:     c ADVANCED     5
 97:     a     DROP    10
 98:     b ADVANCED     1
 99:     c     DROP     6
100:     a     DROP     2
     GROUP ADVANCED GRADE

基本上这里是我正在寻找的结果：

result = merge(
  dcast.data.table(DT,.Primitive("~")(GROUP,ADVANCED)),
  dcast.data.table(DT,.Primitive("~")(GROUP,.),
                   value.var="GRADE", 
                   fun.aggregate=median));

setnames(result,".","MEDIAN_GRADE")

   GROUP ADVANCED DROP MEDIAN_GRADE
1:     a       17   19            6
2:     b       20   21            7
3:     c       13   10            6

现在我想知道如何在不制作两个单独的 dcast 表并在最后合并的情况下做到这一点。我正在处理我的表中的许多行和列，并且按键分组是一个瓶颈。我想知道有没有更好的方法来计算这个？

** 由于我的第一个问题含糊不清，我完全编辑（感谢 Frank 和 Akrun 的反馈）。

4

2 回答 2

4

对于更新的问题

setnames(dcast(DT, GROUP~ADVANCED, length)[dcast(DT, GROUP~., median),
            on = "GROUP"], ".", "MEDIAN_GRADE")[]
#   GROUP ADVANCED DROP MEDIAN_GRADE
#1:     a       17   19            6
#2:     b       20   21            7
#3:     c       13   10            6

或者更快的方法是按“GROUP”分组，获取median“GRADE”，然后on加入dcast输出

DT[,.(MEDIAN_GRADE = median(GRADE)) , .(GROUP)][
              dcast(DT, GROUP ~ ADVANCED, length), on = 'GROUP']
于 2016-08-10T18:56:44.373 回答
3

好吧，您可以以长格式计算，然后重新整形：

dcast(DT[, rbind(
  .SD[, .(v = .N), by=.(stat = paste0("n.",ADVANCED))],
  .(stat = "med", v = as.numeric(median(GRADE)))
), by=GROUP], GROUP ~ stat)

   GROUP med n.ADVANCED n.DROP
1:     a   6         17     19
2:     b   7         20     21
3:     c   6         13     10

显然，这仍然涉及大量的手动操作。它还要求您的统计数据都是数字的（因为它们在stat之前的列中堆叠在一起dcast）。我认为@akrun 的答案中的方法——比如DT[, f(...), by=GROUP][dcast(DT, GROUP ~ x), on=GROUP]——要好得多，将其限制dcast为仅需要它的那些调用。

于 2016-08-10T19:38:03.027 回答