我正在努力使用data.table来总结向量函数的结果,这在ddply中很容易.
问题1:使用向量输出聚合(昂贵)函数
dt <- data.table(x=1:20,y=rep(c("a","b"),each=10))
这个ddply命令产生了我想要的东西:
ddply(dt,~y,function(dtbit) quantile(dtbit$x))
此数据表命令不能执行我想要的操作:
dt[,quantile(x),by=list(y)]
我可以像这样破解data.table:
dt[,list("0%"=quantile(x,0),"25%"=quantile(x,0.25),
"50%"=quantile(x,0.5)),by=list(y)]
但是那个冗长,如果矢量函数"分位数"很慢,也会很慢.
一个类似的例子是:
dt$z <- rep(sqrt(1:10),2)
ddply(dt,~y,function(dtbit) coef(lm(z~x,dtbit)))
问题2:使用带矢量输入和输出的函数
xzsummary <- function(dtbit) t(summary(dtbit[,"x"]-dtbit[,"z"]))
ddply(dt,~y,xzsummary )
我可以在data.table中轻松完成这类工作吗？
如果这些问题已得到明确回答,请道歉.
这是一个类似的,不完全相同的问题: 返回向量的data.table聚合,例如scale()