R 按因子计算不同列作为文本字符串传递的不同函数集_R_Dplyr_Data.table_Dcast

R 按因子计算不同列作为文本字符串传递的不同函数集

R 按因子计算不同列作为文本字符串传递的不同函数集,r,dplyr,data.table,dcast,R,Dplyr,Data.table,Dcast,在我的R Shining应用程序中，我希望允许用户通过复选框选择列（数据中的仪器参数），并为每个列选择要应用的功能（即应用的统计数据）：计算列x，y，z 不同的函数作为文本字符串传递，为该列选择按组执行此操作（带名称的因子列，此处称为“类别”）；以及命名输出df中的结果列（名称+函数名）选中的复选框将生成一个命名列表，其中名称为列（df中的参数名称），每个命名列表元素包含要应用的函数的文本字符串名称向量我的函数请求列表如下所示： functionlist <- list(c1 =

在我的R Shining应用程序中，我希望允许用户通过复选框选择列（数据中的仪器参数），并为每个列选择要应用的功能（即应用的统计数据）：

计算列x，y，z

不同的函数作为文本字符串传递，为该列选择

按组执行此操作（带名称的因子列，此处称为“类别”）；以及

命名输出df中的结果列（名称+函数名）

选中的复选框将生成一个命名列表，其中名称为列（df中的参数名称），每个命名列表元素包含要应用的函数的文本字符串名称向量

我的函数请求列表如下所示：

functionlist <- list(c1 = c('mean', 'sum'), 
                     c2 = 'Length', 
                     c3 = c('Min', 'Max'), 
                     c4 = c('mean', 'sd', 'sum'))

p、这是这个问题的后续问题：，但现在，将不同的函数应用于不同的列会带来额外的复杂性

更新如果用户还可以选择要计算的组，那就更好了。

首先，我将其转换为小写，因为其中一些编写的函数不存在（至少以R为基数）。然后设置名称，以便输出列具有名称。接下来，我在函数名向量上应用

lappy

，并将它们应用于

get（.y）

，这是

functionlist

中当前元素的名称，即列名

以下是对不太标准的东西的一些解释：

来自tidyverse（特别是purrr）的
```
imap
```
类似于
```
lappy
```
，但不是编写
```
function（x）
```
，而是将函数体中的元素称为
```
x
```
，您只需编写
```
~
```
并使用
```
.x
```
引用列表中的元素，
```
.y
```
引用该元素的名称即可
```
imap\u dfc
```
类似于
```
imap
```
，但它将所有结果作为数据帧一起存储

get（x）

将搜索名称为分配给

的字符串的对象，并返回该对象。因此，如果

和

被指定为

f是group
或category静态组，或者用户也可以选择此组吗？组现在是静态组，但也许我可以使动态toocolSds与sd相同。很好的开始这个答案，但我需要1个数据帧输出，与我在Q中提供的图像中的列名称相同。我在Q中将名称更改为sd，也可以在应用程序中将函数名称更改为小写，更改inputcool快速解决方案没有问题。最后的一些进一步的改进是很好的：将Category作为第1列，如果我们只想将它应用到组的子集，比如另一个输入字符串：C（a，E，F，G，I，M，P，S，T）表示instancep.S。如果你能用普通英语解释代码块是如何工作的，这将真正帮助我了解它是如何工作的。谢谢你添加解释。你是否也看到我关于只在申请之前申请的评论？
library(data.table)
n = 100000
dt  = data.table(index=1:100000,
                 category = sample(letters[1:25], n, replace = T),
                 c1=rnorm(n,10000),
                 c2=rnorm(n,1000),
                 c3=rnorm(n,100),
                 c4 = rnorm(n,10)
)

library(tidyverse)

imap_dfc(functionlist, ~{
  .x <- tolower(.x)
  .x <- setNames(.x, paste0(.y, '_', .x))
  dt[, lapply(.x, function(f) get(f)(get(.y)))
     , by = category][,-'category']
})[, category := unique(dt$category)]

#       c1_mean   c1_sum c2_length   c3_min   c3_max   c4_mean     c4_sd   c4_sum category
#  1:  9999.988 39689953      3969 96.32998 103.3013  9.999057 1.0047397 39686.26        i
#  2:  9999.992 40749969      4075 96.45056 103.4090  9.990428 1.0018953 40710.99        e
#  3:  9999.980 39769919      3977 96.93850 103.6276 10.014546 1.0231273 39827.85        p
#  4:  9999.989 40379955      4038 96.04255 103.6632  9.999367 0.9892175 40377.45        y
#  5: 10000.008 39550031      3955 96.25407 103.7432 10.003377 1.0169810 39563.36        d
#  6:  9999.997 38809990      3881 96.29265 104.3206  9.993976 1.0026220 38786.62        q
#  7: 10000.021 39910082      3991 96.50937 103.4453  9.989248 0.9877364 39867.09        o
#  8: 10000.028 39860113      3986 96.18319 103.8271  9.996190 0.9688054 39844.81        w
#  9: 10000.006 39860025      3986 96.89095 103.8927 10.004848 1.0097102 39879.32        n
# 10: 10000.018 39700073      3970 96.36530 103.4446 10.012726 1.0140592 39750.52        s
# 11:  9999.997 39939988      3994 96.40691 103.7046  9.983768 1.0036815 39875.17        u
# 12:  9999.985 39809941      3981 96.22220 104.0094 10.026315 1.0019427 39914.76        g
# 13: 10000.013 40330054      4033 96.29462 103.8641  9.983023 0.9943337 40261.53        x
# 14: 10000.003 39060012      3906 96.42303 103.7972  9.997054 0.9981013 39048.49        j
# 15: 10000.002 39640008      3964 96.30402 103.8221 10.003373 1.0198045 39653.37        h
# 16: 10000.003 40860011      4086 96.54114 103.4493  9.978961 0.9921391 40774.04        l
# 17:  9999.978 40829908      4083 96.18487 103.7403  9.997847 1.0126861 40821.21        f
# 18:  9999.964 39249859      3925 96.22323 103.6110  9.994997 0.9965463 39230.36        m
# 19:  9999.964 39959858      3996 96.37931 103.4358 10.020087 1.0149939 40040.27        v
# 20: 10000.014 40760057      4076 96.22407 104.0107 10.015623 0.9981900 40823.68        b
# 21:  9999.998 40019993      4002 96.77786 103.7248 10.000020 1.0099821 40020.08        k
# 22:  9999.981 41449920      4145 96.73103 103.8441 10.032406 1.0161685 41584.32        t
# 23: 10000.010 39320039      3932 95.83859 103.2523  9.970763 0.9953307 39205.04        a
# 24:  9999.984 40769934      4077 96.05744 103.3219  9.995989 1.0073559 40753.65        r
# 25: 10000.001 39720003      3972 96.51861 103.3922  9.945475 0.9816170 39503.43        c
#       c1_mean   c1_sum c2_length   c3_min   c3_max   c4_mean     c4_sd   c4_sum category