R 如何使用data.table根据条件计算列和？

我有一个ID表和1000列随机值。我想对ID进行分组，并计算每列小于0.01的值的数量

我使用循环以迭代方式合并表，但必须使用

eval

和

parse

访问列名。不幸的是，它的运行时间太长了。我在过去为不同的问题实现了类似的for循环，所以我知道迭代合并不会花那么长时间。我认为

eval

和

parse

是降低代码速度的原因。有没有一种不用这些函数就可以做到这一点的方法

library(data.table)
set.seed(1)
data <- data.table(ID = rep(LETTERS[1:3], 13), 
  col1 = rnorm(39), 
  col2 = rnorm(39), 
  col3 = rnorm(39))

库（data.table）
种子（1）
数据我们可以使用
lappy
在
.SDcols
中指定感兴趣的列后，循环data.table（
.SD
）的子集，并计算小于0.01的元素数

data[, lapply(.SD,  function(x) sum(x < 0.01)), .SDcols = col1:col3]


如果有分组变量，也可以通过

指定

data[, lapply(.SD,  function(x) sum(x < 0.01)), .SDcols = col1:col3, by = ID]
data[, as.list(colSums(.SD < 0.01)), .SDcols = col1:col3, by = ID]

data[，lappy（.SD，函数（x）和（x<0.01）），.SDcols=col1:col3，by=ID]
数据[，as.list（colSums（.SD<0.01）），.SDcols=col1:col3，by=ID]
是的，这很快很简单，效果很好。在使用
数据时，我并不总是考虑
lappy
。table
。如果是by=，您还可以重塑
dcast（melt（data，id=“id”）[value<0.01]，id~ variable）
@abbas如果执行许多这样的操作，以melt格式保存数据可能是有意义的。
data[, colSums(.SD < 0.01), .SDcols = col1:col3]

data[, lapply(.SD,  function(x) sum(x < 0.01)), .SDcols = col1:col3, by = ID]
data[, as.list(colSums(.SD < 0.01)), .SDcols = col1:col3, by = ID]