R statistiche multiple per più colonne con data.table

Question

Voglio gli stessi risultati di R summarizing multiple columns with data.table ma per diverse funzioni di riepilogo.

Ecco un esempio

data <- as.data.table(list(x1 = runif(200), x2 = 10*runif(200), group = factor(sample(letters[1:2])))) 

res <- data[, rbindlist(lapply(.SD, function(x) { 
       return(list(name = "varname", mean = mean(x), sd = sd(x))) 
      })) 
      , by = group, .SDcols = c("x1", "x2") 
      ] 

E ottenere il seguente risultato:

group name  mean  sd 
1:  b varname 0.5755798 0.2723767 
2:  b varname 5.5108886 2.7649262 
3:  a varname 0.4906111 0.3060961 
4:  a varname 4.7780189 2.9740149 

Come posso ottenere i nomi delle colonne ('x1', 'x2') nella seconda colonna? Suppongo di dover sostituire lo rbindlist con qualcos'altro, ma cosa? C'è una soluzione semplice?

Answer 1

Un modo alternativo sarebbe quello di costruire la propria funzione in modo che si può evitare questo rbindlist involucro (che trovo non è necessario), che la dà libertà di costruire la tua funzione nel modo desiderato:

tmp <- function(x) { 
    mm <- colMeans(x) 
    ss=sapply(x, sd) 
    list(names=names(x), mean=mm, sd=ss) 
} 

data[, tmp(.SD), by=group] 
    group names  mean  sd 
1:  a x1 0.4988514 0.2770122 
2:  b x1 0.5246786 0.3014248 
3:  a x2 4.8031253 2.7978401 
4:  b x2 4.9104108 2.9135656 

Answer 2

È possibile iterare il lapply su names(.SD) anziché .SD. Qualcosa di simile a questo:

data <- as.data.table(list(x1 = runif(200), x2 = 10*runif(200), group = factor(sample(letters[1:2])))) 
res <- data[, rbindlist(lapply(names(.SD), function(name) { 
       return(list(name = name, mean = mean(.SD[[name]]), sd = sd(.SD[[name]]))) 
      })) 
      , by = group, .SDcols = c("x1", "x2")] 

che dà:

group name  mean  sd 
1:  b x1 0.5344272 0.2697610 
2:  b x2 4.7628178 2.8313825 
3:  a x1 0.5008916 0.2686017 
4:  a x2 4.6175027 2.8942875