如何对 data.table 中的 .SD 列进行行明智操作

虽然我之前已经弄清楚了这一点，但我仍然发现自己在 stackoverflow 上搜索（并且无法找到）这个语法，所以......

我想对 data.table 列的子集进行行明智操作，使用.SD and .SDcols。我永远不记得手术是否需要sapply, lapply，或者如果属于括号内.SD.

举例来说，假设您有两个季度 10 名学生的数据。在两个季度，他们都有两次考试和一次期末考试。如何对以 q1 开头的列取直接平均值？

由于过于琐碎的示例很烦人，我还想计算以 q2 开头的列的加权平均值？ （q2 的权重 = 25%、25% 和 50%）

library(data.table)

set.seed(10)
dt <- data.table(id = paste0("student_", sprintf("%02.f" , 1:10)),
                 q1_exam1 = round(rnorm(10, .78, .05), 2),
                 q1_exam2 = round(rnorm(10, .68, .02), 2),
                 q1_final = round(rnorm(10, .88, .08), 2),
                 q2_exam1 = round(rnorm(10, .78, .05), 2),
                 q2_exam2 = round(rnorm(10, .68, .10), 2),
                 q2_final = round(rnorm(10, .88, .04), 2))

dt
# > dt
#             id q1_exam1 q1_exam2 q1_final q2_exam1 q2_exam2 q2_final
#  1: student_01     0.78     0.70     0.83     0.69     0.79     0.86
#  2: student_02     0.77     0.70     0.71     0.78     0.60     0.87
#  3: student_03     0.71     0.68     0.83     0.83     0.60     0.93
#  4: student_04     0.75     0.70     0.71     0.79     0.76     0.97
#  5: student_05     0.79     0.69     0.78     0.71     0.58     0.90
#  6: student_06     0.80     0.68     0.85     0.71     0.68     0.91
#  7: student_07     0.72     0.66     0.82     0.80     0.70     0.84
#  8: student_08     0.76     0.68     0.81     0.69     0.65     0.90
#  9: student_09     0.70     0.70     0.87     0.76     0.61     0.85
# 10: student_10     0.77     0.69     0.86     0.75     0.75     0.89

以下是关于您的选择的一些想法，主要来自评论：

apply沿着行

OP的方法使用apply(.,1,.)对于按行操作，但不鼓励这样做，因为它不必要地将 data.table 强制转换为矩阵。lapply/sapply也不适合，因为它们被设计为分别在每个列上工作，而不是组合它们。

rowMeans类似名称的函数也强制转换为矩阵。

按行分割

正如@Jaap所说，你可以使用by=1:nrow(dt)对于任何行操作，但它可能会很慢。

高效创建新列

这个方法取自eddi如果您必须以宽格式保存数据，这可能是最有效的：

jwts = list( 
  q1_AVG  = c(q1_exam1 = 1  , q1_exam2 = 1  , q1_final =   1)/3, 
  q2_WAVG = c(q1_exam1 = 1/4, q2_exam2 = 1/4, q2_final = 1/2)
)


for (newj in names(jwts)){
  w = jwts[[newj]]
  dt[, (newj) := Reduce("+", lapply(names(w), function(x) dt[[x]] * w[x]))]
}

这避免了对矩阵的强制并允许不同的加权规则（与rowMeans).

Go long

正如 @alexis_laz 所建议的，您可能会通过不同的结构获得清晰度和效率，例如

# reshape
m = melt(dt, id.vars="id", value.name="score")[,
  c("quarter","exam") := tstrsplit(variable, "_")][, variable := NULL]

# input your weighting rules
w = unique(m[,c("quarter","exam")])
w[quarter=="q1"                , wt := 1/.N]
w[quarter=="q2" & exam=="final", wt := .5]
w[quarter=="q2" & exam!="final", wt := (1-.5)/.N]

# merge and compute
m[w, on=c("quarter","exam")][, sum(score*wt), by=.(id,quarter)]

这就是我要做的。

无论如何，如果您想扩大季度数，您应该将加权规则明确存储在某个地方，而不是即时输入。