在 data.table 计算中使用选择中的总行数

Posted 2023-04-18

【中文标题】在 data.table 计算中使用选择中的总行数

【英文标题】：Use total number of rows in selection in calculation with data.table

【发布时间】：2015-12-15 12:49:56

【问题描述】：

我一直在使用 data.table 和 by= 参数和组计数 (.N) 来创建频率表。

例如：

patients = data.table(
  id = 1:10,
  gender = c("M", "F"),
  age = c(19, 7, 3, 13, 18, 12, 16, 15, 9, 4)
)

patients[, .(n = .N), by = gender]

生产：

   gender n
1:      M 5
2:      F 5

这个效果很好，虽然我也经常需要计算比例，我这样做如下：

patients[, .(n = .N, p = .N / nrow(patients)), by = gender]

给予：

   gender n   p
1:      M 5 0.5
2:      F 5 0.5

这虽然有点笨重，但在我没有 patients 可以使用之前工作正常，例如在子集时，这会导致这种构造：

patients[age > 12, .(n = .N, p = .N / nrow(patients[age > 12])), by = gender]

我们的样本数据给出了：

   gender n   p
1:      M 3 0.6
2:      F 2 0.4

我注意到的一个解决方案是预先计算子集：

teens = patients[age > 12]
teens[, .(n = .N, p = .N / nrow(teens)), by = gender]

产生与上述相同的输出。

但是，这也不是最理想的，因为它需要明确引用 teens。在不明确引用子集的情况下，我如何最好地使用 data.table 进行这种计算？

【问题讨论】：

请展示一些可重现的小例子和基于此的预期输出。

@akrun 你去吧。

可能是patients[age > 12, .(n = .N), by = gender][,p:=n/sum(n)][]。

或patients[age > 12, total:=.N][,.(n=.N, p=.N/total),by=gender]

@Heroka 在我见过的语法中，我最喜欢这个。

【参考方案1】：

有点不清楚“最佳”对您意味着什么。评论选项很好，这里还有一个：

patients[age > 12, nrow = .N; .SD[, .(n = .N, p = .N/nrow), by = gender]]
#   gender n   p
#1:      M 3 0.6
#2:      F 2 0.4

【讨论】：

请参阅更新后的问题以澄清“最佳”。您的解决方案符合说明。

我想也许我只是对完成它所需的语法并不感到疯狂。拥有.ALL 或.TOT 或类似名称会更好。