data.table對列組執行函數

Question

如果我有以下數據表

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

是否可以在一組列上執行功能？

例如，以下將是A1，A2和B1，B2之和。

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

該解決方案最好使用500k x 100矩陣

Answer 1

解

一招將split柱成組。

然后，您可以按照Frank的建議使用rowSums （請參閱問題注釋）：

# 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])})]

結果

這將返回data.table ：

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

說明

• split為每個組創建一個列名列表，該列名由一個（可強制執行的）因子定義。
• substr(colnames(m), 1, 1)將第一個字母作為組ID，使用不同的方法（例如sub("([AZ]).*", "\\\\1", colnames(m))作為變量字母數）。
• lapply通常用於在data.table多個列上應用函數。 在這里，我們創建一個列表輸出，稱為groups ，其中包含rowSums 。 with = FALSE對於使用i的值從d獲取相應的列很重要。

Answer 2

絕對有可能 ...

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

我是否願意，是否令人滿意。 最好遵循弗蘭克的建議（請參閱評論）。