r - 使用 `data.table` 和 `c()` 进行汇总时可以防止因子强制吗？

Question

我希望能够在 data.table 中同时使用汇总函数和标准表达式发现c()效果很好，但它将因子强制转换为整数表示形式。

data.table有没有简单的方法我可以使用命名列表摘要和带有因子值的摘要，并保留实际因子类而不将其转换为整数？

library(data.table)
library(lubridate)
data <- data.table(date = ymd("2019-07-07","2018-05-04",
                          "2019-08-09","2017-06-03"),
                   colour = factor(c("red","blue","green","yellow")),
           group = factor(c("A","B","A","B")),
           value1 = c(5,23,3,1),
           value2 = c(3,2,4,1))

summary_func <- function(x, var_name){
  setNames(list(mean(x),
       sd(x)), paste0(var_name,"_",c("mean","sd")))
}

data[,c(summary_func(value1,var_name = "val1"),
        summary_func(value2,var_name = "val2"),
        first_colour = colour[1]),
     by = group]

结果:

   group val1_mean   val1_sd val2_mean   val2_sd first_colour
1:     A         4  1.414214       3.5 0.7071068            3
2:     B        12 15.556349       1.5 0.7071068            1

我希望结果是:

   group val1_mean   val1_sd val2_mean   val2_sd first_colour
1:     A         4  1.414214       3.5 0.7071068        green
2:     B        12 15.556349       1.5 0.7071068          red

我在下面取得了一些成功，但这些解决方案非常不优雅，我怀疑不是很通用。因此，我希望有一个更简洁的data.table解决这个问题的方法。

我尝试过的事情:

1. 我发现我可以通过使用 list() 来实现结果围绕列表摘要，并给它们一个非常具体的命名约定( "SF" )。然后，您需要将列排序为列表列和非列表列，然后使用 cbind , lapply ，和rbindlist将列表强制到 data.tables 中。然后，您必须重命名结果列。

tmp1 <- data[,.(first_colour = colour[1],
               SF1 = list(summary_func(value1, "val1")),
               SF2 = list(summary_func(value2, "val2"))),
    by = group]
list_cols <- names(which(sapply(tmp1,is.list)))
grp_cols <- names(tmp1)[!names(tmp1) %in% list_cols]

tmp2 <- tmp1[, do.call(cbind, 
                       c(lapply(mget(list_cols),rbindlist),
                         deparse.level = 0)), by = grp_cols]
setnames(tmp2, gsub("^SF\\d\\.", "", names(tmp2)))
tmp2

我发现如果您创建 c() 的替代版本你可以获得所需的行为。您需要以特定方式解压参数以保留类型和名称。我认为相对于 c() 来说这可能会非常慢和list()因为这两个函数都是基元函数，因此基于编译的 C 代码。

c_alt <- function(...){
   blah <- list(...)
   result <- list()
   for(i in 1:length(blah)){
      len <- length(blah[[i]])
      for(j in 1:len){
         result[[length(result) + 1]] <- blah[[i]][[j]]
      }
      if(len > 1){
         names(result)[(length(result)-len):length(result)] <- names(blah[[i]])
      }else{
         names(result)[[length(result)]] <- names(blah)[[i]]
      }
   }
   result
}

data[,c_alt(summary_func(value1,var_name = "val1"),
        summary_func(value2,var_name = "val2"),
        first_colour = colour[1]),
     by = group]

Answer 1

一种方法是将颜色转换为字符，提取第一个值并在需要时再次使其因子。

library(data.table)

data[,c(summary_func(value1,var_name = "val1"),
        summary_func(value2,var_name = "val2"),
        first_colour = as.character(colour[1])),
     by = group][, first_colour := factor(first_colour)][]

#   group val1_mean   val1_sd val2_mean   val2_sd first_colour
#1:     A         4  1.414214       3.5 0.7071068          red
#2:     B        12 15.556349       1.5 0.7071068         blue