使用 带 的均值。标清和 .Data.table 中的 SDcols

Question

我正在编写一个非常简单的函数来汇总 data.tables 的列。我一次向函数传递一列，然后执行一些诊断以找出汇总选项，然后进行汇总。我在 data.table 中执行此操作，以允许一些非常大的数据集。

所以，我使用。SDol在列中传递以进行总结，并使用上的函数。SD在data.table表达式的j部分中。因为我一次传递一列，所以我没有使用lapplication。我发现有些函数有效，而另一些无效。下面是我正在使用的测试数据集和我看到的结果：

dt <- data.table(
  a=1:10, 
  b=as.factor(letters[1:10]), 
  c=c(TRUE, FALSE), 
  d=runif(10, 0.5, 100), 
  e=c(0,1), 
  f=as.integer(c(0,1)), 
  g=as.numeric(1:10), 
  h=c("cat1", "cat2", "cat3", "cat4", "cat5"))

mean(dt$a)
[1] 5.5

dt[, mean(.SD), .SDcols = "a"]

[1] NA
Warning message:
In mean.default(.SD) : argument is not numeric or logical: returning NA

dt[, sum(.SD), .SDcols = "a"]
[1] 55

dt[, max(.SD), .SDcols = "a"]
[1] 10

dt[, colMeans(.SD), .SDcols = "a"]
  a 
5.5 

dt[, lapply(.SD, mean), .SDcols = "a"]
     a
1: 5.5

有趣的是，当我使用加权时，加权平均给出了错误的答案（55，总和）。SD） 在 j 中。但是当我使用拉普利（.SD，加权均值）在j中，它给出了正确的答案（5.5，均值）。

我试着关闭data.table优化，看看是否是内部的data.table mean函数，但这并没有改变什么。

也许这只是在列表中使用means（）的问题（这似乎是。SD返回的内容）？我想永远没有理由不使用lapplication范式与。SD？似乎只有lapplication选项返回一个data.table.其他似乎返回向量，除了colMeans它返回其他内容（列表？）。

我的主要问题是为什么＜code＞mean（.SD）

谢谢

Answer 1

我认为，实现您想要的目标的适当方法是使用标准语法：

< code>dt[，lapply(。SD，均值)。SDcols = "a"]

或者，您可以按名称传递变量，如下所示：

col_to_pass = "a"
dt[ , mean(get(col_to_pass)) ]

最终，您可以将这种方法推广到多个列，如下所示:

col_to_pass = c("a", "d")
dt[ , lapply( mget(col_to_pass), mean) ]