对数据使用Lappy（或任何替代方案）。表一次生成多个列

Question

我有数据。包含多个变量（列）及其标准错误的表。我想计算一些东西，比如加权平均值，标准误差的平均值，p值。。。

玩具示例：

myDT <- data.table(ID=1:8, AA=21:28, BB=31:38, CC=41:48, stdAA=(11:18)/10, 
    stdBB=(11:18)/10, stdCC=(11:18)/10)
mycol <- c("AA", "BB", "CC")   # Select these ones.


   ID AA BB CC stdAA stdBB stdCC
1:  1 21 31 41   1.1   1.1   1.1
2:  2 22 32 42   1.2   1.2   1.2
3:  3 23 33 43   1.3   1.3   1.3
4:  4 24 34 44   1.4   1.4   1.4
5:  5 25 35 45   1.5   1.5   1.5
6:  6 26 36 46   1.6   1.6   1.6
7:  7 27 37 47   1.7   1.7   1.7
8:  8 28 38 48   1.8   1.8   1.8

OUTPUT1 <- myDT[,.(Variables=mycol,Estimate=lapply(mycol, 
   function (x) weighted.mean(get(x), 1/(get(paste0("std",x)))^2 ) ),
   Std.Error=lapply(mycol, function (x) mean(get(paste0("std",x)))))]  
OUTPUT1[,tvalue := as.numeric(Estimate)/as.numeric(Std.Error) ][,pvalue := 2*pt(-abs(tvalue),df=7)]


   Variables Estimate    Std.Error  tvalue       pvalue
        AA    23.76617      1.45   16.39046   7.671357e-07
        BB    33.76617      1.45   23.28702   6.833554e-08
        CC    43.76617      1.45   30.18357   1.129896e-08

我后来计算了最后两列，因为它们需要之前计算的值，但有一个问题，它会产生一个错误“非数值参数到二进制运算符”，这就是我使用“as.numeric”的原因。我想问题是生成的数据。表包含列表而不是向量。我希望使用更简单的语法，将所有内容插入同一个lappy中。

我该怎么做？

下面的代码没有产生预期的输出，因为它在第二列的每个元素上插入了一个向量，所以我无法进一步使用它。

OUTPUT2 <- myDT[,.(mycol,lapply(mycol, function (x) 
  c(weighted.mean(get(x),1/(get(paste0("std",x)))^2 ),
   mean(get(paste0("std",x))) )))]

也许我需要添加某种rbindlist，但我无法正确执行。

我的下一次尝试虽然不短，但效果很好。（而且我没有事件添加列，因为它们被删除了，我需要稍后添加它们）

OUTPUT3 <- data.table(mycol,t(myDT[,c(lapply(mycol,
        function (x) .(weighted.mean(get(x),1/(get(paste0("std",x)))^2 ), 
           mean(get(paste0("std",x))))))]))
OUTPUT3[,tvalue := as.numeric(V1)/as.numeric(V2)][,pvalue := 2*pt(-abs(tvalue),df=7)]

在一个单圈内进行所有计算将是非常棒的。

Answer 1

有人可能会想出更优雅的东西。但是如果目标是计算单个< code>lapply中的所有内容:

library(data.table)
library(magrittr)

myDT <- data.table(ID=1:8, AA=21:28, BB=31:38, CC=41:48, stdAA=(11:18)/10, 
                   stdBB=(11:18)/10, stdCC=(11:18)/10)

mycol <- c("AA", "BB", "CC")   # Select these ones.

newCols <- c("Estimate", "Std.Error", "tvalue", "pvalue")

myDT[, .(lapply(mycol, function(x){
  estimate <- weighted.mean(get(x), 1/(get(paste0("std",x)))^2 )
  std.error <- mean(get(paste0("std",x)))
  tvalue <- estimate/std.error
  pvalue <- 2*pt(-abs(tvalue),df=7)
  out <- list(estimate, std.error, tvalue, pvalue)
  return(out)
}))] %>% rbindlist %>% 
  t(.) %>% 
  as.data.table(.) %>% 
  setnames(., names(.), newCols) %>% .[] # visualize table

Answer 2

如果先融化它呢？这大大简化了问题：

melt(
  melt(myDT, 1:4, 5:7, 'Variable', 'StdError'), 
  c(1, 6),
  c('AA', 'BB', 'CC'),
  'Variable',
  'Estimate'
    )[, .(Variable, Estimate, StdError)
    ][
      , .(Estimate = weighted.mean(Estimate, 1 / StdError^2),
          StdError = mean(StdError)),
        .(Variable)
    ][
      , `:=`(tvalue    =  Estimate / StdError,
             pvalue    = 2 * pt(-abs(Estimate / StdError), df = 7)),
        .(Variable)
    ]

   Variable Estimate StdError   tvalue       pvalue
1:       AA 23.76617     1.45 16.39046 7.671357e-07
2:       BB 33.76617     1.45 23.28702 6.833554e-08
3:       CC 43.76617     1.45 30.18357 1.129896e-08