我正在寻找一种解决方案,可以通过使用data.table的组来计算某些变量的加权和。我希望这个例子足够清楚。

require(data.table)

dt <- data.table(matrix(1:200, nrow = 10))
dt[, gr := c(rep(1,5), rep(2,5))]
dt[, w := 2]

# Error: object 'w' not found
dt[, lapply(.SD, function(x) sum(x * w)),
   .SDcols = paste0("V", 1:4)]

# Error: object 'w' not found
dt[, lapply(.SD * w, sum),
   .SDcols = paste0("V", 1:4)]

# This works with out groups
dt[, lapply(.SD, function(x) sum(x * dt$w)),
   .SDcols = paste0("V", 1:4)]

# It does not work by groups
dt[, lapply(.SD, function(x) sum(x * dt$w)),
   .SDcols = paste0("V", 1:4), keyby = gr]

# The result to be expected
dt[, list(V1 = sum(V1 * w),
          V2 = sum(V2 * w),
          V3 = sum(V3 * w),
          V4 = sum(V4 * w)), keyby = gr]

### from Aruns answer
dt[, lapply(.SD[, paste0("V", 1:4), with = F],
            function(x) sum(x*w)), by=gr]

最佳答案

最终尝试(复制Roland的答案:))

复制@Roland的出色答案:

print(dt[, lapply(.SD, function(x, w) sum(x*w), w=w), by=gr][, w := NULL])

仍然不是最有效的一种:(第二次尝试)

遵循@Roland的评论,对所有列进行操作确实更快,然后仅删除不需要的列即可(只要操作本身并不耗时,在这里就是这种情况)。
dt[, {lapply(.SD, function(x) sum(x*w))}, by=gr][, w := NULL][]

由于某种原因,当我不使用w时似乎找不到{}

旧的(效率低下)答案:

(如果组太多,子集可能会很昂贵)

您可以在不使用.SDcols的情况下执行此操作,然后在将其提供给lapply的同时将其删除,如下所示:
dt[, lapply(.SD[, -1, with=FALSE], function(x) sum(x*w)), by=gr]
#    gr V1  V2  V3  V4
# 1:  1 20 120 220 320
# 2:  2 70 170 270 370
.SDcols使.SD没有w列。因此,不可能与w相乘,因为那时它不在.SD环境范围内。

09-04 04:05