R data.table選擇基於組的最大值列

Question

我看到多個帖子符合我的要求，但有些帖子無法獲得所需的結果。

我有一個包含多列的data.table。 在所有列中，我想為最大值選擇幾列，並通過組變量對它們進行匯總。

以下是我的樣本數據 -

library("data.table")
set.seed(1200)

ID <- seq(1001,1100)
region <- sample(1:10,100,replace = T)
Q21 <- sample(1:5,100,replace = T)
Q22 <- sample(1:15,100,replace = T)
Q24_LOC_1 <- sample(1:8,100,replace = T)
Q24_LOC_2 <- sample(1:8,100,replace = T)
Q24_LOC_3 <- sample(1:8,100,replace = T)
Q24_LOC_4 <- sample(1:8,100,replace = T)

Q21_PAN <- sample(1:5,100,replace = T)
Q22_PAN <- sample(1:15,100,replace = T)
Q24_LOC_1_PAN <- sample(1:8,100,replace = T)
Q24_LOC_2_PAN <- sample(1:8,100,replace = T)
Q24_LOC_3_PAN <- sample(1:8,100,replace = T)
Q24_LOC_4_PAN <- sample(1:8,100,replace = T)

df1 <- as.data.table(data.frame(ID,region,Q21,Q22,Q24_LOC_1,Q24_LOC_2,Q24_LOC_3,Q24_LOC_4,Q21_PAN,Q22_PAN,Q24_LOC_1_PAN,Q24_LOC_2_PAN,Q24_LOC_3_PAN,Q24_LOC_4_PAN))

現在對於上面的數據，我想按區域選擇4列作為最大值。 所以結果應該有ID變量，區域變量和這4個變量有10行。 每個區域有1行。 我嘗試了下面的代碼但是它創建了一個列作為mycol並且放置了vector mycol的第4個元素的值

mycol <- paste("Q24","LOC",seq(1:4),"PAN",sep = "_")

df2 <- df1[,.(mycol = max(mycol)),by=region]

請告訴我出錯的地方以及如何實現這一目標。

Answer 1

如果我們需要獲得max ，在按“區域”分組並在.SDcols指定“mycol” .SDcols ，循環遍歷Data.table（ .SD ）的子集並獲得max

df1[, lapply(.SD, max), by = region, .SDcols = mycol]

如果存在僅具有NA值的“區域”，則在返回Inf ， max將返回警告。 例如，

max(c(NA, NA), na.rm = TRUE)
#[1] -Inf

警告消息：在max（c（NA，NA），na.rm = TRUE）：max沒有非缺失參數; 返回-Inf

要糾正這個問題，我們可以添加if/else條件

df1[, lapply(.SD, function(x) if(all(is.na(x))) NA_integer_
       else max(x, na.rm = TRUE)), by = region, .SDcols = mycol]

---

如果我們還需要'ID'作為paste d字符串

df1[, c(list(ID = toString(ID)), lapply(.SD, max)), by = region, .SDcols = mycol]