如何将函数应用于data.table的行子集,其中每个调用返回data.table

Question

这是一个data.table

dt <- data.table(group = c("a","a","a","b","b","b"), x = c(1,3,5,1,3,5), y= c(3,5,8,2,8,9))
dt
   group x y
1:     a 1 3
2:     a 3 5
3:     a 5 8
4:     b 1 2
5:     b 3 8
6:     b 5 9

这是一个在data.table上运行并返回data.table的函数

myfunc <- function(dt){
  # Hyman spline interpolation (which preserves monotonicity)

  newdt <- data.table(x = seq(min(dt$x), max(dt$x)))
  newdt$y <- spline(x = dt$x, y = dt$y, xout = newdt$x, method = "hyman")$y
  return(newdt)
}

如何应用myfunc"组"列定义的每个dt子集？换句话说,我想要一种有效的,通用的方法来做到这一点

result <- rbind(myfunc(dt[group=="a"]), myfunc(dt[group=="b"]))
result
    x     y
 1: 1 3.000
 2: 2 3.875
 3: 3 5.000
 4: 4 6.375
 5: 5 8.000
 6: 1 2.000
 7: 2 5.688
 8: 3 8.000
 9: 4 8.875
10: 5 9.000

编辑:我已经更新了我的样本数据集,myfunc因为我认为它最初过于简单化,并邀请解决我正在尝试解决的实际问题.

Answer 1

整个想法data.table是内存高效和快速.因此,我们从不$在data.table范围内使用(仅在非常罕见的情况下),并且我们不在s环境中创建data.table对象data.table(当前,甚至.SD有开销).

你的情况,你可以利用data.table的非标评价功能和定义功能如下

myfunc <- function(x, y){
   temp = seq(min(x), max(x))
   y = spline(x = x, y = y, xout = temp, method = "hyman")$y
   list(x = temp, y = y)
}

然后dt范围内的实现是直截了当的

dt[, myfunc(x, y), by = group]
#     group x      y
#  1:     a 1 3.0000
#  2:     a 2 3.8750
#  3:     a 3 5.0000
#  4:     a 4 6.3750
#  5:     a 5 8.0000
#  6:     b 1 2.0000
#  7:     b 2 5.6875
#  8:     b 3 8.0000
#  9:     b 4 8.8750
# 10:     b 5 9.0000