R data.table按列名称列出的操作

假设我有一个

data.table

a <- data.table(id=c(1,1,2,2,3),a=21:25,b=11:15,key="id")

但是，假设我有列名：

（c中的n（“a”、“b”））{ s编辑2020-02-15关于

。

data.table

还支持

。

语法“查找级别”，在大多数情况下，例如下面的

dt[，…n1]

和

dt[，…n2]

都不需要

with=FALSE

---

查看

数据中的
和
。表
：

dt <- data.table(id=1:5,a=21:25,b=11:15,key="id")
dt[, n3 := dt[ , n1, with = FALSE ] * dt[ , n2, with = FALSE ], with = FALSE ]

dt这类似于：


但是您也希望将它与
by=
相结合，因此
set（）
不够灵活。这是一种经过深思熟虑的设计，在这方面
set（）
不太可能改变

我有时会在回答的末尾使用
EVAL
助手。


有些人对这种方法感到畏缩，但我只是认为它就像构造一个动态SQL语句，这是一种非常常见的做法。
EVAL
方法提供了极大的灵活性，而不必对
EVAL（）
和
quote（）
。查看已构造的动态查询（检查它）您可以在
EVAL
helper函数中添加
print

但是，在这个简单的示例中，您可以用括号将
：=
的LHS括起来，告诉
数据。table
查找值（比
with=FALSE
更清晰），RHS需要一个
get（）

（c中的n（“a”、“b”））{
s您也可以这样做：

a <- data.table(id=c(1,1,2,2,3),a=21:25,b=11:15,key="id")

a[, c("sa", "sb") := lapply(.SD, sum), by = id]

下面是一种方法，它使用
.SD

# a helper function
makeCall <- function(x,fun) bquote(.(fun)(.(x)))
# the columns you wish to sum (apply function to)
cols <- c('a','b')
new.cols <- paste0('s',cols)
# create named list of names
name.cols <- setNames(sapply(cols,as.name), new.cols)
# create the call
my_call <-  as.call(c(as.name(':='), lapply(name.cols, makeCall, fun = as.name('sum'))))
(a[, eval(my_call), by = 'id'])

#    id  a  b sa sb
# 1:  1 21 11 43 23
# 2:  1 22 12 43 23
# 3:  2 23 13 47 27
# 4:  2 24 14 47 27
# 5:  3 25 15 25 15

#辅助函数
makeCall可能相关：而且有点老：…和data.table FAQ中的1.6。@joran：我不知道如何在这里使用
eval
/
quote
；我尝试了
s@sds，我只是在头脑风暴。不过，我很同情。data.table为我造成的这类问题的混乱程度是我不使用它的最大原因经常。我不需要
s
周围的参数，是吗？是的，否则它将在循环的两次迭代中创建一个名为
“s”
的列。哦，对不起-我错过了
with=FALSE
。我们已经向
（LHS）移动了：=
因为这更容易阅读。
with=FALSE
不清楚它指的是
的LHS还是RHS:=
。这提醒了我，当使用
：=
时，我们应该正式地反对
with=FALSE
。对，所以问题不大。只要用
get（n）包装
n
是所需的全部。错误来自
sum（“a”）
+1甚至更好，因为它是在一个单独的分组中进行的，而不是一个一个地添加每个列的分组。在这种情况下使用
.SD
不应该起作用，因为
.SD
中的所有数据都被使用。@MattDowle作为旁白-使用
.SD
的主要作用发生在
[.data.table
由于该函数的巨大开销而被涉及，因此类似于
.SD[1:N]
的东西在
.SD
的“by”循环中会慢几个数量级。哦，是的，谢谢提醒。它在列表中可以优化。@eddi，只是提醒讨论。它不仅仅是
[.data.table
。它肯定会让事情变慢。但仅仅评估
.SD
似乎也会让事情变慢。我将用data.frame和data.table以及post back做一个适当的基准测试。
dt <- data.table(id=1:5,a=21:25,b=11:15,key="id")
dt[ , dt.names["n3"] := 1L, with = FALSE ]

dt.names <- c( n1 = "a", n2 = "b", n3 = "c" )
setnames( dt, dt.names, names(dt.names) )

dt[ , n3 := n1 * n2, by = "id" ]
setnames( dt, names(dt.names), dt.names )

for (n in c("a","b")) {
  s <- paste0("s",n)
  a[, (s) := sum(get(n)), by="id"]
}

a <- data.table(id=c(1,1,2,2,3),a=21:25,b=11:15,key="id")

a[, c("sa", "sb") := lapply(.SD, sum), by = id]

cols.to.sum = c("a", "b")
a[, paste0("s", cols.to.sum) := lapply(.SD, sum), by = id, .SDcols = cols.to.sum]

# a helper function
makeCall <- function(x,fun) bquote(.(fun)(.(x)))
# the columns you wish to sum (apply function to)
cols <- c('a','b')
new.cols <- paste0('s',cols)
# create named list of names
name.cols <- setNames(sapply(cols,as.name), new.cols)
# create the call
my_call <-  as.call(c(as.name(':='), lapply(name.cols, makeCall, fun = as.name('sum'))))
(a[, eval(my_call), by = 'id'])

#    id  a  b sa sb
# 1:  1 21 11 43 23
# 2:  1 22 12 43 23
# 3:  2 23 13 47 27
# 4:  2 24 14 47 27
# 5:  3 25 15 25 15