R 使用应用于多列的多个函数在data.table中生成多个新列

我想对data.table的几列应用几个函数，并根据输出生成新的列。我在这里发现了类似的问题，但提供的答案似乎没有解决我的确切问题，例如：

生成一些数据：

set.seed(1)
p <- rep(seq(1:10),4)
p

time1 <- sample(1:40, 40, replace=TRUE)
time2 <- sample(1:40, 40, replace=TRUE)
contact1 <- sample(rep(c("personal", "nonpersonal"),20), 40)
contact2 <- sample(rep(c("personal", "nonpersonal"),20), 40)
closeness1 <- sample(1:10, 40, replace=TRUE)
closeness2 <- sample(1:10, 40, replace=TRUE)

dt <- data.table::data.table(p, time1, time2, contact1, contact2, closeness1, closeness2)

我成功地生成了所需数量的列。但是，所有四列在每一行中都包含相同的值，即使它可能不相同，如以下代码段的输出所示：

dt[, unlist(lapply(.SD, my.summary)), .SDcols = c("time1", "time2"), by = p]

我想做的第二点是，根据以上列time1和time2的标准计算接近度1和2的平均值（同样是分别计算p的每个值，即，

by=p

），并使用上述格式“scliq”/“symgr”将输出保存在新列中。例如，我想计算time1中7或7以下的所有分数以及time1中8到31之间的所有分数的接近度1的平均值（对于接近度2和time2也是如此）

---

我还应该注意到，我知道如何使用tidyverse软件包解决这个问题，但为了简洁和高效，我非常希望在

data.table

中学习如何解决这个问题。任何提示或解决方案都将不胜感激。

您使用

my.summary

的解决方案不起作用的原因是

unlist

在默认情况下是递归的， 因此，它最终将所有嵌套列表中的所有值打包到一个向量中， 而

data.table

则以无声地回收值结束。 考虑到Jaap的评论， 你可以写：

my.summary = function(x) list(sum(x<=7), sum(x>7 & x<=31))

dt[, c("scliq.s", "symgr.s", "scliq.d", "symgr.d") := unlist(lapply(.SD, my.summary), recursive = FALSE),
   .SDcols = c("time1", "time2"), by = p]

另一个选项是计算子表中的平均值，然后返回：

dt[dt[time1 <= 7, .(ans = mean(closeness1)), by = p], mean1 := ans, on = "p"]
dt[dt[time2 > 7 & time2 <= 31, .(ans = mean(closeness2)), by = p], mean2 := ans, on = "p"]

---

dt[dt[time1 7&time2一些建议：（1）如果你在
.SD
中只使用一列，你也可以直接使用它（尽管没有引号）；（2）与其在条件上使用
lenght
和
which
，不如使用
sum
。例如：
sum（time1非常感谢。这很有效。你知道我可以如何进行第二部分，即根据第x列中的标准（例如，任何分数低于7分的人）在第y列上运行函数（例如，平均值）？@Tiberius我有一些想法。我更新了答案。太棒了，非常有魅力。我最后做了这样的事情：
dt[，c(“平均值1”、“平均值2”、“平均值3”、“平均值4”）：=。（.SD[time1 7和time1
my.summary = function(x) list(sum(x<=7), sum(x>7 & x<=31))

dt[, c("scliq.s", "symgr.s", "scliq.d", "symgr.d") := unlist(lapply(.SD, my.summary), recursive = FALSE),
   .SDcols = c("time1", "time2"), by = p]

dt[, c("mean1", "mean2") := .(.SD[time1 <= 7, mean(closeness1)], 
                              .SD[time2 > 7 & time2 <= 31, mean(closeness2)]),
   by = p,
   .SDcols = time1:closeness2]

dt[dt[time1 <= 7, .(ans = mean(closeness1)), by = p], mean1 := ans, on = "p"]
dt[dt[time2 > 7 & time2 <= 31, .(ans = mean(closeness2)), by = p], mean2 := ans, on = "p"]