[英]Median from multiple rows and columns in a data table with grouping
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
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]
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.