data.table：lapply 具有多列输出的函数

我正在使用一个函数smean.cl.normal来自 Hmisc 包，它返回一个具有 3 个值的向量：均值以及 CI 下限和上限。当我在一个data.table对于 2 个组，我获得 2 列和 6 行。有没有办法获得与 2 个组相对应的两行和每个函数输出的单独列（即均值和 CI）的结果？

require(Hmisc)
require(data.table)

dt = data.table(x = rnorm(100),
                gr = rep(c('A', 'B'), each = 50))

dt[, lapply(.SD, smean.cl.normal), by = gr, .SDcols = "x"]

输出：

   gr           x
1:  A -0.07916335
2:  A -0.33656667
3:  A  0.17823998
4:  B -0.02745333
5:  B -0.32950607
6:  B  0.27459941

所需的输出：

   gr        Mean         Lower         Upper
1:  A -0.07916335   -0.33656667    0.17823998
2:  B -0.02745333   -0.32950607    0.27459941

The j论证中DT[i,j,by]需要一个列表，所以使用as.list:

dt[, 
  Reduce(c, lapply(.SD, function(x) as.list(smean.cl.normal(x))))
, by = gr, .SDcols = "x"]

#    gr       Mean      Lower     Upper
# 1:  A  0.1032966 -0.1899466 0.3965398
# 2:  B -0.1437617 -0.4261330 0.1386096

c(L1, L2, L3)是列表的组合方式，所以Reduce(c, List_o_Lists)如果你的.SDcols包含的不仅仅是x。我猜do.call(c, List_o_Lists)也应该有效。

Comments

由于几个原因，这是相当低效的。打开verbose=TRUE看到 data.table 不喜欢获取命名列表j:

j 的结果是一个命名列表。为每个组一遍又一遍地创建相同的名称是非常低效的。当 j=list(...) 时，为了提高效率，在分组完成后会检测、删除并放回任何名称。例如，使用 j=transform() 可以防止加速（考虑更改为 :=）。此消息将来可能会升级为警告。

此外，您还错过了针对群体优化的版本mean以及其他可能可用于构建结果的函数。不过，这对于您的用例来说可能不是什么大问题。

当您仅将此应用于单个值列时，只需：

dt[, as.list(smean.cl.normal(x)), by = gr]

就足够了。