使用with = FALSE和.SD对.SD行进行子集

Question

我有一个具有多个变量的data.table，这些变量的值有限。对于每个变量，我想要构建一个表来计算具有每个值的观测值的分数，并进行分组。

示例数据：

data = data.table(group = c(1,1,1,1,1,2,2,2,2,2,3,3,3,3,3), 
                  Var1 =  c(1,1,2,2,3,1,2,3,2,2,3,1,2,3,1), 
                  Var2 =  c(1,1,2,3,2,2,2,2,1,2,3,2,1,1,3))

我想要两张表：

Var1:
group | Var1_1  | Var1_2  | Var1_3
------|---------|---------|---------
1     | .4      | .4      | .2
2     | .2      | .6      | .2
3     | .4      | .2      | .4

Var2也是如此。对于单个变量来说，这很简单：

data[, .(Var1_1 = .SD[Var1 == 1, .N]/.N, 
         Var1_2 = .SD[Var1 == 2, .N]/.N,
         Var1_3 = .SD[Var1 == 3, .N]/.N), by = group, .SDcols = "Var1"]

但是由于我有很多变量，所以我想在一个循环中这样做。我曾在外部调用和.SD调用中使用过with = FALSE，但没有能够正确地使用它。理想情况下，我可以将列名传递给.SD的i子集.SDcols，并在理想情况下作为参数传递给paste0()以创建输出变量名(例如paste0(varName, "_1"))。

variables <- c("Var1", "Var2")
for(variable in variables) {
    data[...what should go here?...]
}

对如何做到这一点有什么建议吗？

Answer 1

table和prop.table通常可以方便地构造这样的比例表。

lapply(variables, function(var) data[, prop.table(table(group, get(var)), margin = 1)])

#[[1]]

#group   1   2   3
#    1 0.4 0.4 0.2
#    2 0.2 0.6 0.2
#    3 0.4 0.2 0.4

#[[2]]

#group   1   2   3
#    1 0.4 0.4 0.2
#    2 0.2 0.8 0.0
#    3 0.4 0.2 0.4

Answer 2

我们也可以使用来自dcast的data.table来实现这一点。

lapply(variables, function(x) dcast(data[, .N , c('group', x)][, 
     Perc := N/sum(N), group][, N := NULL], group~..., value.var = "Perc", fill = 0))
#[[1]]
#   group   1   2   3
#1:     1 0.4 0.4 0.2
#2:     2 0.2 0.6 0.2
#3:     3 0.4 0.2 0.4

#[[2]]
#   group   1   2   3
#1:     1 0.4 0.4 0.2
#2:     2 0.2 0.8 0.0
#3:     3 0.4 0.2 0.4