如何在R的data.table中生成含各列均值的单列DataFrame

问题背景 #

我用这段代码生成了一个数据集：

set.seed(1)
DF <- data.table(panelID = sample(50,50), # Creates a panel ID
Country = c(rep("A",30),rep("B",50), rep("C",20)),
Group = c(rep(1,20),rep(2,20),rep(3,20),rep(4,20),rep(5,20)),
Time = rep(seq(as.Date("2010-01-03"), length=20, by="1 month") - 1,5),
norm = round(runif(100)/10,2),
Income = sample(100,100),
Happiness = sample(10,10),
Sex = round(rnorm(10,0.75,0.3),2),
Age = round(rnorm(10,0.75,0.3),2),
Educ = round(rnorm(10,0.75,0.3),2))
DF [, uniqueID := .I]
DF <- as.data.table(DF) # Make sure it is a data.table
DF [, uniqueID := .I] # Add a unique ID
cols = sapply(DF, is.numeric) # Check numerical columns
DFm <- melt(DF[, cols, with = FALSE][, !"uniqueID"], id = "panelID") 
DFm[, value := c(NA, diff(value)), by = .(panelID, variable)] 
DF <- dcast(DFm, panelID + rowidv(DFm, cols = c("panelID", "variable")) ~ variable, value.var = "value") 
DF <- DF[DF[, !Reduce(`&`, lapply(.SD , is.na)), .SDcols = 3:ncol(DF)]] # Removes T1 for which there is no difference

我现在想实现一个简单需求：把每列的均值存入一个单列中，但试了下面两段代码都没得到正确结果，要么返回NA要么直接报错：

mean_of_differences <- DF [, mean(sapply(.SD, is.numeric), na.rm=TRUE)]
mean_of_differences <- DF[,.SD[mean(sapply(.SD, is.numeric), na.rm=TRUE)]]

请问我到底忽略了什么呀？

问题分析与解决方法 #

咱们先拆解下你之前代码的问题：

1. sapply(.SD, is.numeric)返回的是一个逻辑向量，它只告诉你哪些列是数值型的，对这个向量取mean()得到的是数值列在所有列中的占比，完全不是你要的各列均值。
2. .SD[mean(...)]这种写法逻辑就错了：.SD是当前分组的数据集，用一个数值去索引它，只会返回对应位置的行，根本不是计算列均值的正确方式。

根据你的需求，我给你两种常用的实现方式：

方式1：生成“列名-均值”的单列格式（推荐） #

如果你想要把每列的均值整理成一个单列（同时保留列名方便查看），可以这么写：

# 筛选数值列，计算每列均值，再转成单列的长格式
mean_of_differences <- DF[, lapply(.SD, mean, na.rm = TRUE), .SDcols = sapply(DF, is.numeric)] %>%
  melt(id.vars = NULL, variable.name = "Column_Name", value.name = "Column_Mean")

运行后会得到一个两列的data.table，第一列是原数据的列名，第二列就是对应列的均值，很直观。

方式2：给原数据集添加均值列 #

如果你想给原DF添加新列，每个行的新列值都是对应原列的整体均值（比如Income列的每一行都显示Income列的均值），可以用这段代码：

# 先计算所有数值列的均值
col_means <- DF[, lapply(.SD, mean, na.rm = TRUE), .SDcols = sapply(DF, is.numeric)]
# 给原数据集批量添加均值列，列名会自动加上"_mean"后缀
DF[, (paste0(names(col_means), "_mean")) := col_means, by = .(1)]

方式3：仅生成纯均值的单列 #

如果只需要一个只包含均值的单列（不需要列名），可以简化成：

# 先得到均值向量，再转成单列data.table
mean_vec <- DF[, sapply(.SD, mean, na.rm = TRUE), .SDcols = sapply(DF, is.numeric)]
mean_of_differences <- data.table(Mean = mean_vec)

验证效果 #

运行方式3的代码后，你会得到类似这样的结果：

Mean
1:  25.500000
2:   2.000000
3:   0.000000
4:   0.000000
5:   0.005000
6:   0.000000
7:   0.000000
8:   0.000000
9:   0.000000

每个值对应原数据集中一列的均值，完全符合你的需求。

内容的提问来源于stack exchange，提问作者Tom