为什么中位数跳闸 data.table（整数与双精度）？

Question

我有数据。该表名为enc.per。每天的遭遇日。它有2403行，其中指定了服务日期和当天就诊的患者数量。我想看看在工作日中任何一种类型的患者的中位数。

enc.per.day[,list(patient.encounters=median(n)),by=list(weekdays(DOS))]

这一行给出了一个错误

< code >[. data . table (enc . per . day，，list(patient . enches = median(n))，:j的列的计算结果与每个组的类型不一致:组4的结果具有类型为“integer”的列1，但类型应为“double”

以下各项工作正常

tapply(enc.per.day$n,weekdays(enc.per.day$DOS),median)
enc.per.day[,list(patient.encounters=round(median(n))),by=list(weekdays(DOS))]
enc.per.day[,list(patient.encounters=median(n)+0),by=list(weekdays(DOS))]

怎么了？我花了很长时间才弄明白为什么我的代码不能工作。

顺便说一句，底层向量 enc.per.day$n 是一个整数

storage.mode(enc.per.day$n)

返回“整数”。此外，data.table.中的任何地方都没有NAs

Answer 1

太长别读中值和as.double（）

"data.table因为---即使只传递整数向量---有时返回一个整数值，有时返回一个双精度值。

## median of 1:3 is 2, of type "integer" 
typeof(median(1:3))
# [1] "integer"

## median of 1:2 is 1.5, of type "double"
typeof(median(1:2))
# [1] "double"

用一个简单的例子再现您的错误信息:

library(data.table)
dt <- data.table(patients = c(1:3, 1:2), 
                 weekdays = c("Mon", "Mon", "Mon", "Tue", "Tue"))

dt[,median(patients), by=weekdays]
# Error in `[.data.table`(dt, , median(patients), by = weekdays) : 
#   columns of j don't evaluate to consistent types for each group: 
#   result for group 2 has column 1 type 'double' but expecting type 'integer'

data.table抱怨是因为，在检查了要处理的第一组的值后，它得出结论，好吧，这些结果将是“整数”类型。但是马上（或者在您的例子中是第4组），它被传递了一个“双精度”类型的值，这个值不适合它的“整数”结果向量。

数据表可以累积结果，直到分组计算结束，然后在必要时执行类型转换，但这将需要大量额外的性能降低开销；相反，它只是报告发生了什么，并让您修复问题。在第一个组运行后，它知道结果的类型，它分配该类型的结果向量，只要组的数量相同，然后填充它。如果它后来发现一些组返回了一个以上的项，它将根据需要增加（即重新分配）该结果向量。但在大多数情况下，数据。表对结果的最终大小的第一次猜测是正确的（例如，每组1行结果），因此很快。

在这种情况下，使用 as.double（中位数 （X）） 而不是中位数 （X） 提供了一个合适的修复方法。

（顺便说一下，您使用＜code＞round（））