来自数据表中具有分组的多个行和列的中位数

Question

我有一个包含超过90000个观测值和1201个变量的数据表。 除最后一列之外的所有列都存储数值，最后一列是包含源文件名称的列（超过100）。 以下是数据表的一小部分示例：

library(data.table)
DT <- data.table(V1=sample(0:100,20,replace=TRUE), 
V2=sample(0:100,20,replace=TRUE), V3=sample(0:100,20,replace=TRUE), 
V4=sample(0:100,20,replace=TRUE), V5=sample(0:100,20,replace=TRUE), 
V6=sample(0:100,20,replace=TRUE), V7=sample(0:100,20,replace=TRUE), 
file=rep(c("A","B","C","D"), each = 5))

我想要做的是计算每组（ file ）中所有值的中位数。 因此，例如对于组A，中值将立即从行1,2,3,4,5计算。 在下一步中，我想根据一个组（下面的预期输出）将中位数分配给每一行。

这个问题似乎很简单，我根据一个群体（ aggregate作为最受欢迎的解决方案之一）搜索了许多关于中位数/平均值计算的类似问题。 但是，在所有情况下，中值计算仅考虑一列。 这是7（或在我的原始数据1200）和median不接受 - 我应该提供数字向量。 因此，我已经尝试了unlist ， aggregate ， dplyr包， tapply如果运气好的话...

由于数据和组（即file ）的数量，代码应该是非常自动和有效的......我真的很感谢你的帮助！

如果显然失败的代码只是一个小例子：

DT_median <- setDT(DT)[, DT_med := median(DT[,1:7]), by = file]

预期结果应如下所示：

V1  V2  V3  V4  V5  V6  V7  file DT_med
42  78  9   0   60  46  65  A    37.5
36  36  46  45  5   96  64  A    37.5
83  31  92  100 15  2   9   A    37.5
36  16  49  82  32  4   46  A    37.5
29  17  39  6   62  52  97  A    37.5
37  70  17  90  8   10  93  B    47
72  62  68  83  96  77  20  B    47
10  47  29  2   93  16  30  B    47
69  87  7   47  96  17  8   B    47
23  70  72  27  10  86  49  B    47
78  51  13  33  56  6   39  C    51
28  92  100 5   75  33  17  C    51
71  82  9   20  34  83  22  C    51
62  40  84  87  37  45  34  C    51
55  80  55  94  66  96  12  C    51
93  1   99  97  7   77  6   D    41
53  55  71  12  19  25  28  D    41
27  25  28  89  41  22  60  D    41
91  25  25  57  21  98  27  D    41
2   63  17  53  99  65  95  D    41

Answer 1

由于我们想要计算所有值的median ，按'文件'分组， unlist Data.table（ .SD ）的子集，获取中median并分配（ := ）输出以创建新列'DT_med'

library(data.table)
DT[, DT_med := median(unlist(.SD), na.rm = TRUE), by = file]