R 为什么data.table组会根据是否直接传递变量名而有所不同？

如果我将变量

血压

传递到data.table，一切正常

tdt <- data.table(bloodpressure = rnorm(1000, mean=100, sd=15), male=rep(c(0,1)))
strata.var <- with(tdt, get(c('male')))

tdt[,list(
            varname='bloodpressure',
            N=.N,
            mean=mean(bloodpressure, na.rm=TRUE),
            sd=sd(bloodpressure, na.rm=TRUE)
            ),
        by=(strata.var)]

哪一个匹配组的意思

> mean(tdt$bloodpressure[tdt$male==0])
[1] 100.2821
> mean(tdt$bloodpressure[tdt$male==1])
[1] 100.0392

但是如果我试图以编程方式执行此操作，并且该变量存储在另一个变量（

var

）中

请注意，

平均值

是相同的（即，在整个样本中而不是按组计算）

> mean(tdt$bloodpressure)
[1] 100.1606

好的。在我的帮助下，我想我有了一个答案

colVars <- c('bloodpressure')
byCols <- c('male')
tdt[, lapply(.SD, function(x) mean=mean(x)), .SDcols = colVars, by=byCols]
tdt[, list(
    mean = lapply(.SD, function(x) mean(x)),
    sd = lapply(.SD, function(x) sd(x))
    ), .SDcols = colVars, by=byCols]

---

colVars您可以将
mean=mean（var，na.rm=TRUE），
替换为
mean=mean（get（var_as_字符串），na.rm=TRUE）
然后它应该可以工作-否则它只使用
var
中的数字向量，而不是您希望它使用的数据表列（并为两个子组返回
mean（var）
）

库（data.table）
种子（1）
tdt@Arun我认为我不理解范围问题…我已经将
血压
分配给
var
，但这显然是不正确/不充分的，并且
数据。表
只看到
var
。我将进一步阅读…；）我还不确定，但我想你可能已经发现了一个错误。。测试。威尔回信：-）。是的，正如我所怀疑的，这是一个错误。提出。谢谢并不是说我知道的更好，但这比我在下面遇到并发布的
.SDcols
方法更可取吗？首先，它看起来更简单，所以我更喜欢这样。我只是比较了一下速度，它似乎也稍微快了一点，但我会选择更简单的语法…干杯。我已经切换到
.SDcols
方法，因为它似乎更通用-至少在我手中；）-并且修复了我在
by
子句中遇到的类似问题。
   strata.var       varname   N     mean       sd
1:          0 bloodpressure 500 100.1606 15.13686
2:          1 bloodpressure 500 100.1606 15.02566

> mean(tdt$bloodpressure)
[1] 100.1606

colVars <- c('bloodpressure')
byCols <- c('male')
tdt[, lapply(.SD, function(x) mean=mean(x)), .SDcols = colVars, by=byCols]
tdt[, list(
    mean = lapply(.SD, function(x) mean(x)),
    sd = lapply(.SD, function(x) sd(x))
    ), .SDcols = colVars, by=byCols]

library(data.table)
set.seed(1)
tdt <- data.table(bloodpressure = rnorm(1000, mean=100, sd=15), male=rep(c(0,1)))
strata.var <- with(tdt, get(c('male')))

tdt[,list(
        varname='bloodpressure',
        N=.N,
        mean=mean(bloodpressure, na.rm=TRUE),
        sd=sd(bloodpressure, na.rm=TRUE)
        ),
    by=(strata.var)]        
#   strata.var       varname   N      mean       sd
#1:          0 bloodpressure 500  99.58425 15.55735
#2:          1 bloodpressure 500 100.06630 15.50188

var_as_string <- 'bloodpressure'

tdt[,list(
        varname='bloodpressure',
        N=.N,
        mean=mean(get(var_as_string), na.rm=TRUE),
        sd=sd(bloodpressure, na.rm=TRUE)
        ),
    by=(strata.var)]                
#   strata.var       varname   N      mean       sd
#1:          0 bloodpressure 500  99.58425 15.55735
#2:          1 bloodpressure 500 100.06630 15.50188