data.table对列组执行函数

Question

如果我有以下数据表

m = matrix(1:12, ncol=4)
colnames(m) = c('A1','A2','B1','B2')
d = data.table(m)

是否可以在一组列上执行功能？

例如，以下将是A1，A2和B1，B2之和。

   A  B
1: 5 17
2: 7 19
3: 9 21

该解决方案最好使用500k x 100矩阵

Answer 1

解

一招将split柱成组。

然后，您可以按照Frank的建议使用rowSums （请参阅问题注释）：

# using your data example
m <- matrix(1:12, ncol = 4)
colnames(m) <- c('A1', 'A2', 'B1', 'B2')
d <- data.table(m)

# 1) group columns
groups <- split(colnames(d), substr(colnames(d), 1, 1))

# 2) group wise row sums
d[,lapply(groups, function(i) {rowSums(d[, i, with = FALSE])})]

结果

这将返回data.table ：

   A  B
1: 5 17
2: 7 19
3: 9 21

说明

• split为每个组创建一个列名列表，该列名由一个（可强制执行的）因子定义。
• substr(colnames(m), 1, 1)将第一个字母作为组ID，使用不同的方法（例如sub("([AZ]).*", "\\\\1", colnames(m))作为变量字母数）。
• lapply通常用于在data.table多个列上应用函数。 在这里，我们创建一个列表输出，称为groups ，其中包含rowSums 。 with = FALSE对于使用i的值从d获取相应的列很重要。

Answer 2

绝对有可能 ...

d[, ":=" (A = A1 + A2, B = B1 + B2)]
d
   A1 A2 B1 B2 A  B
1:  1  4  7 10 5 17
2:  2  5  8 11 7 19
3:  3  6  9 12 9 21

# Want to drop the old columns?
set(d, j = which(names(d) %in% c("A1", "B1", "A2", "B2")), value = NULL)
d
   A  B
1: 5 17
2: 7 19
3: 9 21

我是否愿意，是否令人满意。 最好遵循弗兰克的建议（请参阅评论）。