在data.table中进行多次转换时，如何避免使用相同的列名？ [英] How to avoid same column names when multiple transformations in data.table?

问题描述

我试图对 data.table 中的同一列进行多次转换，并发现此答案。但是，如果按照这些步骤操作，则会得到相同的列名（而不是 mean.Obs_1 等）。

< pre $ = lang-r prettyprint-override> library（data.table）
set.seed（1）
dt = data.table（ID = c（1： 3），Obs_1 = rnorm（9），Obs_2 = rnorm（9），Obs_3 = rnorm（9））

dt [，c（平均值= lapply（.SD，平均值），sd = lapply （.SD，sd）），by = ID]
＃ID Obs_1 Obs_2 Obs_3 Obs_1 Obs_2 Obs_3
＃1：1 0.4854187 -0.3238542 0.7410611 1.1108687 0.2885969 0.1067961
＃2：2 0.4171586 -0.2397030 0.2041125 0.2875411 1.8732682 0.3438338
＃3：3 -0.3601052 0.8195368 -0.4087233 0.8105370 0.3829833 1.4705692


是有没有一种方法可以避免这种行为，并为不同的转换获取不同的列名？
我使用 data.table 的最新（1.9.4）稳定版本。

解决方案

您可以尝试

  library（data.table）
 dt [，unlist（ lapply（.SD，function（x）list（Mean = mean（x），
 SD = sd（x））），recursive = FALSE），by = ID] 
＃ID Obs_1.Mean Obs_1 .SD Obs_2.Mean Obs_2.SD Obs_3.Mean Obs_3.SD 
＃1：1 0.4854187 1.1108687 -0.3238542 0.2885969 0.7410611 0.1067961 
＃2：2 0.4171586 0.2875411 -0.2397030 1.8732682 0.2041125 0.3438338 
＃3 ：3 -0.3601052 0.8105370 0.8195368 0.3829833 -0.4087233 1.4705692 
  

或@David Arenburg建议的变体

  dt [，as.list（unlist（lapply（.SD，function（x）list（Mean = mean（x），
 SD = sd（x）））））），by = ID] 
＃ID Obs_1.Mean Obs_1.SD Obs_2.Mean Obs_2.SD Obs_3.Mean Obs_3.SD 
＃1：1 0.4854187 1.1108687 -0.3238542 0.2885969 0.7410611 0.1067961 
＃2：2 0.4171586 0.2875411 -0。 2397030 1.8732682 0.2041125 0.3438338 
＃3：3 -0.3601052 0.8105370 0.8195368 0.3829833 -0.4087233 1.4705692 
  

I tried to make multiple transformations for the same columns in a data.table and found this answer. However, if I follow the steps there I get identical column names (instead of mean.Obs_1, etc.).

library(data.table)
set.seed(1)
dt = data.table(ID=c(1:3), Obs_1=rnorm(9), Obs_2=rnorm(9), Obs_3=rnorm(9))

dt[, c(mean = lapply(.SD, mean), sd = lapply(.SD, sd)), by = ID]
#   ID      Obs_1      Obs_2      Obs_3     Obs_1     Obs_2     Obs_3
#1:  1  0.4854187 -0.3238542  0.7410611 1.1108687 0.2885969 0.1067961
#2:  2  0.4171586 -0.2397030  0.2041125 0.2875411 1.8732682 0.3438338
#3:  3 -0.3601052  0.8195368 -0.4087233 0.8105370 0.3829833 1.4705692

Is there a way to avoid this behavior and get different column names for different transformations? I use the latest (1.9.4) stable version of data.table.

解决方案

You could try

library(data.table)
dt[, unlist(lapply(.SD, function(x) list(Mean=mean(x),
                    SD=sd(x))),recursive=FALSE), by=ID]
#   ID Obs_1.Mean  Obs_1.SD Obs_2.Mean  Obs_2.SD Obs_3.Mean  Obs_3.SD
#1:  1  0.4854187 1.1108687 -0.3238542 0.2885969  0.7410611 0.1067961
#2:  2  0.4171586 0.2875411 -0.2397030 1.8732682  0.2041125 0.3438338
#3:  3 -0.3601052 0.8105370  0.8195368 0.3829833 -0.4087233 1.4705692

Or a variation as suggested by @David Arenburg

 dt[, as.list(unlist(lapply(.SD, function(x) list(Mean=mean(x),
              SD=sd(x))))), by=ID]
 #   ID Obs_1.Mean  Obs_1.SD Obs_2.Mean  Obs_2.SD Obs_3.Mean  Obs_3.SD
 #1:  1  0.4854187 1.1108687 -0.3238542 0.2885969  0.7410611 0.1067961
 #2:  2  0.4171586 0.2875411 -0.2397030 1.8732682  0.2041125 0.3438338
 #3:  3 -0.3601052 0.8105370  0.8195368 0.3829833 -0.4087233 1.4705692

这篇关于在data.table中进行多次转换时，如何避免使用相同的列名？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！