r - 使用lapply(.SD，…)计算多个变量的多个聚合

我想使用data.table的lapply(.SD, ...)方法执行多种汇总，即针对多个变量计算几种不同的汇总统计信息。但是我对如何执行此操作的猜测以错误或等效的rbind而不是cbind结束。
例如，要通过cyl获取mtcar的平均值和中位数mpg，可以执行以下操作:

mtcars.dt <- data.table(mtcars)
mtcars.dt[, list(mpg.mean = mean(mpg), mpg.median = median(mpg)), by = "cyl"]
# Result:
    cyl mpg.mean mpg.median
|1:   6    19.74       19.7
|2:   4    26.66       26.0
|3:   8    15.10       15.2

但是，使用.SD方法或rbind会在函数上生成结果:

mtcars.dt[, lapply(.SD, function(x) list(mean(x), median(x))),
          by = "cyl", .SDcols = c("mpg")]
# Result:
   cyl              mpg
1:   6 19.7428571428571
2:   6             19.7
3:   4 26.6636363636364
4:   4               26
5:   8             15.1
6:   8             15.2

或完全中断:

mtcars.dt[, lapply(.SD, list(mean, median)),
          by = "cyl", .SDcols = c("mpg")]
# Result:
# Error in `[.data.table`(mtcars.dt, , lapply(.SD, list(mean, median)),  :
#  attempt to apply non-function

编辑:正如Senor O所指出的，一些答案为我的示例提供了工作，但这仅仅是因为只有一个聚合列。理想的解决方案适用于多列，例如替换以下内容:

mtcars.dt[, list(mpg.mean = mean(mpg), mpg.median = median(mpg),
                 hp.mean = mean(hp), hp.median = median(hp)), by = "cyl"]
# Result:
   cyl mpg.mean mpg.median hp.mean hp.median
1:   6    19.74       19.7  122.29     110.0
2:   4    26.66       26.0   82.64      91.0
3:   8    15.10       15.2  209.21     192.5

但是，即使它适用于单个列，它也仍然有用。例如，我的直接用例是一个函数，该函数将列名作为字符串并为其计算多个分组度量，如果没有.SDcols AFAIK，这是不可能的。

最佳答案

您缺少[[1]]或$mpg:

mtcars.dt[, lapply(.SD, function(x) list(mean(x), median(x)))[[1]],
            by="cyl", .SDcols=c("mpg")]
#or
mtcars.dt[, lapply(.SD, function(x) list(mean(x), median(x)))$mpg,
            by="cyl", .SDcols=c("mpg")]
#   cyl       V1   V2
#1:   6 19.74286 19.7
#2:   4 26.66364 26.0
#3:   8 15.10000 15.2

对于更一般的情况，请尝试:

mtcars.dt[, as.list(unlist(lapply(.SD, function(x) list(mean=mean(x),
                                                        median=median(x))))),
            by="cyl", .SDcols=c("mpg", "hp")]
#    cyl mpg.mean mpg.median hp.mean hp.median
# 1:   6    19.74       19.7  122.29     110.0
# 2:   4    26.66       26.0   82.64      91.0
# 3:   8    15.10       15.2  209.21     192.5

(或as.list(sapply(.SD, ...)))