R 使用data.table汇总多列

我正在尝试使用data.table来加速处理由几个较小的合并data.frames组成的大型data.frame（300k x 60）。我不熟悉数据表。目前的守则如下:

library(data.table)
a = data.table(index=1:5,a=rnorm(5,10),b=rnorm(5,10),z=rnorm(5,10))
b = data.table(index=6:10,a=rnorm(5,10),b=rnorm(5,10),c=rnorm(5,10),d=rnorm(5,10))
dt = merge(a,b,by=intersect(names(a),names(b)),all=T)
dt$category = sample(letters[1:3],10,replace=T)

我想知道是否有比下面更有效的方法来总结数据

summ = dt[i=T,j=list(a=sum(a,na.rm=T),b=sum(b,na.rm=T),c=sum(c,na.rm=T),
                     d=sum(d,na.rm=T),z=sum(z,na.rm=T)),by=category]

我真的不想手动键入所有50列计算，而

eval（粘贴（…）

似乎有点笨重

我看了一下下面的例子，但对于我的需求来说似乎有点复杂。谢谢

---

您可以将一个简单的

lappy

语句与

.SD

dt[, lapply(.SD, sum, na.rm=TRUE), by=category ]

   category index        a        b        z         c        d
1:        c    19 51.13289 48.49994 42.50884  9.535588 11.53253
2:        b     9 17.34860 20.35022 10.32514 11.764105 10.53127
3:        a    27 25.91616 31.12624  0.00000 29.197343 31.71285

---

如果只想对某些列进行汇总，可以添加

.SDcols

参数

#  note that .SDcols also allows reordering of the columns
dt[, lapply(.SD, sum, na.rm=TRUE), by=category, .SDcols=c("a", "c", "z") ] 

   category        a         c        z
1:        c 51.13289  9.535588 42.50884
2:        b 17.34860 11.764105 10.32514
3:        a 25.91616 29.197343  0.00000

---

当然，这并不限于

sum

，您可以使用

lappy

的任何函数，包括匿名函数。（即，这是一个常规的

lappy

语句）

最后，不需要使用

i=T

和

j=

。我个人认为这会降低代码的可读性，但这只是一种风格偏好

---

编辑：文档 您将在

.SD

中找到文档，并在

的帮助部分？“[.data.table”

（在参数部分，在信息下查找

by

）

还可以查看data.table常见问题解答2.1

---

如果您想要为不同的collumn使用多个聚合函数，该怎么办？例如，您想要collumn a的和和以及collumn banswer关于我的问题：

DT[，（（agra=sum（a），agrb=mean（b）），by=category]

是否有办法自动生成列名“sum a”，“sum b”，“sum c”在lapply中，现在是否有一种不同于使用.SD的方法？@Mark您可以使用data.table:：setattr这样做dt[，{lapply（.SD，sum，na.rm=TRUE）%>%setattr（，“names”，value=sprintf（“sum_%s”，names（.））}，by=category，.SDcols=c（“a”，“c”，“z”）]