使用 .SD 和 .SDcols

.SD

.SD 是指每个组的 data.table 的子集，不包括 by 中使用的所有列。

.SD 和 lapply 可用于将任何函数应用于 data.table 中的多个列

我们将继续使用相同的内置数据集 mtcars：

mtcars = data.table(mtcars) # Let's not include rownames to keep things simpler

数据集中所有列的平均值按柱面数计算，cyl：

mtcars[ , lapply(.SD, mean), by = cyl]

#   cyl      mpg     disp        hp     drat       wt     qsec        vs        am     gear     carb
#1:   6 19.74286 183.3143 122.28571 3.585714 3.117143 17.97714 0.5714286 0.4285714 3.857143 3.428571
#2:   4 26.66364 105.1364  82.63636 4.070909 2.285727 19.13727 0.9090909 0.7272727 4.090909 1.545455
#3:   8 15.10000 353.1000 209.21429 3.229286 3.999214 16.77214 0.0000000 0.1428571 3.285714 3.500000

除了 cyl 之外，数据集中还有其他分类列，如 vs，am，gear 和 carb。采取这些列的 mean 并没有多大意义。所以我们排除这些列。这是 .SDcols 进入图片的地方。

.SDcols

.SDcols 指定 .SD 中包含的 data.table 的列。

数据集中所有列（连续列）的平均值由齿轮数量 gear 和气缸数量 cyl 组成，由 gear 和 cyl 排列：

# All the continuous variables in the dataset
cols_chosen <- c("mpg", "disp", "hp", "drat", "wt", "qsec")

mtcars[order(gear, cyl), lapply(.SD, mean), by = .(gear, cyl), .SDcols = cols_chosen]

#   gear cyl    mpg     disp       hp     drat       wt    qsec
#1:    3   4 21.500 120.1000  97.0000 3.700000 2.465000 20.0100
#2:    3   6 19.750 241.5000 107.5000 2.920000 3.337500 19.8300
#3:    3   8 15.050 357.6167 194.1667 3.120833 4.104083 17.1425
#4:    4   4 26.925 102.6250  76.0000 4.110000 2.378125 19.6125
#5:    4   6 19.750 163.8000 116.5000 3.910000 3.093750 17.6700
#6:    5   4 28.200 107.7000 102.0000 4.100000 1.826500 16.8000
#7:    5   6 19.700 145.0000 175.0000 3.620000 2.770000 15.5000
#8:    5   8 15.400 326.0000 299.5000 3.880000 3.370000 14.5500

也许我们不想按群体计算 mean。要计算数据集中所有汽车的平均值，我们不指定 by 变量。

mtcars[ , lapply(.SD, mean), .SDcols = cols_chosen] 

#        mpg     disp       hp     drat      wt     qsec
#1: 20.09062 230.7219 146.6875 3.596563 3.21725 17.84875

注意：没有必要事先定义 cols_chosen。.SDcols 可以直接获取列名