Median restituisce un errore quando si utilizza data.table in R - r, data.table

Ho il seguente set di dati

> head(DT)
V1 V2 V3   V4   V5     V6 V7
1:  2  1  2 0.91 0.02 880.00  1
2:  3  2  1 0.02 0.00   2.24  2
3:  1  1  1 0.15 0.01   3.41  3
4:  1  2  1 3.92 0.05 268.67  2
5:  1  1  2 0.10 0.01   1.59  3
6:  0  1  1 1.20 0.04   1.43  3

> sapply(DT, class)
V1        V2        V3        V4        V5        V6        V7
"integer" "integer" "integer" "numeric" "numeric" "numeric"  "factor"

che si espande per migliaia di righe. Sto cercando di calcolare i valori medi di V1-V6 all'interno degli 8 gruppi definiti dal fattore Variable V7

> levels(DT$V7)
[1] "1" "2" "3" "4" "5" "6" "7" "8"

Al momento sto usando il seguente comando, che restituisce un errore:

> DT[, lapply(.SD, median), by = V7]
Error in `[.data.table`(DF, , lapply(.SD, median), by = V7) :
Column 1 of result for group 4 is type "integer" but expecting type "double". Column types must be consistent for each group.

Ho letto da qualche parte che stava usando un modo per aggirare questo as.double(median(X)). Ma questo funziona per le singole colonne: DT[, as.double(median(X)), by = V7], ma non per quando si considerano tutte le colonne: DT[, lapply(.SD, as.double(median)), by = V7] (come previsto, perché devi passare un input alla mediana)

Posso andare in giro usando l'aggregato

> aggregate(DT[,c(1:6), with = FALSE], by = list(DF$V7), FUN = median)
Group.1 V1 V2 V3     V4   V5      V6
1       1  0  1  1  1.285 0.04 401.500
2       2  1  2  1  3.565 0.06   6.400
3       3  0  1  1  0.360 0.03  11.200
4       4  1  1  1 74.290 0.26 325.960
5       5  2  1  0  1.145 0.04   1.415
6       6  0  1  1 10.100 0.18  93.000
7       7  1  1  0  0.740 0.04   1.080
8       8  1  1  0  7.970 0.40   0.050

Ma mi piacerebbe sapere se c'è un modo per risolvere l'errore sopra descritto e fare questo calcolo usando data.table

risposte:

12 per risposta № 1

median è insolito perché può restituire diversi tipi di valori di ritorno per lo stesso tipo di input:

Il metodo predefinito restituisce un oggetto lunghezza uno dello stesso tipo di x, tranne quando x è intero di lunghezza pari, quando il risultato sarà Doppio.

Tuttavia, data.table necessita di un tipo di valore di ritorno coerente. Hai due possibilità:

Converti tutte le colonne in numerico:

DT[, paste0("V", 1:6) := lapply(.SD, as.numeric), by = V7]

O convertire il valore di ritorno di median:

DT[, lapply(.SD, function(x) as.numeric(median(x))), by = V7]

---