R：使用自定义函数进行分组

Question

我已成功使用以下模式聚合数据：

newdf <- setDT(df)[, list(X=sum(x),Y=max(y)), by=Z]

然而，当我尝试做任何更复杂的事情时，尽管代码运行，但它不再按 Z 聚合：它似乎创建了一个与原始 df 具有相同数量观察值的数据框，所以我知道实际上没有发生分组。

我想要应用的自定义函数是查找当前值列表的 n 分位数，然后用它做一些其他事情。我在另一个 SO 答案中看到了 sdcols 的使用，并尝试了类似的操作：

customfunc <- function(dt){
q = unname(quantile(dt$column,0.25))
n = nrow(dt[dt$column <= q])
return(n/dt$someOtherColumn)
}
#fails to group anything!!! also rather slow...
newdf <- setDT(df)[, customfunc(.SD), by=Z, .SDcols=c(column, someOtherColumn)]

有人可以帮我弄清楚我尝试使用分组依据和自定义函数的方式有什么问题吗？非常感谢。

根据要求的文字示例：

> df <- data.frame(Z=c("abc","abc","def","abc"), column=c(1,2,3,4), someOtherColumn=c(5,6,7,8))
> df
    Z column someOtherColumn
1 abc      1               5
2 abc      2               6
3 def      3               7
4 abc      4               8
> newdf <- setDT(df)[, customfunc(.SD), by=Z, .SDcols=c("column", "someOtherColumn")]
> newdf
     Z        V1
1: abc 0.2000000
2: abc 0.1666667
3: abc 0.1250000
4: def 0.1428571
> 

如您所见，DF 没有分组。应该只有两行，一行代表“abc”，另一行代表“def”，因为我试图按 Z 分组。

Answer 1

按照上面 eddi 的观点，基本问题是认为您的自定义函数是在循环内调用的，并且“ ”dt$column会神秘地为您提供“当前行的当前值”。相反，它会为您提供整个列（一个向量）。该函数传递的是整个数据表，而不是逐行的数据位。

因此，将 return 语句中的值替换为表示单个值的值是可行的。例子：

customfunc <- function(dt){
  q = unname(quantile(dt$column,0.25))
  n = nrow(dt[dt$column <= q])
  return(n/length(dt$someOtherColumn))
}

> df <- data.frame(Z=c("abc","abc","def","abc"), column=c(1,2,3,4), someOtherColumn=c(5,6,7,8))
> df
    Z column someOtherColumn
1 abc      1               5
2 abc      2               6
3 def      3               7
4 abc      4               8
> newdf <- setDT(df)[, customfunc(.SD), by=Z, .SDcols=c("column", "someOtherColumn")]
> newdf
     Z        V1
1: abc 0.3333333
2: def 1.0000000

现在数据已正确聚合。