以指定 bin 作为条件的数据集的总和和计数

Question

这是一个玩具数据。

library(data.table)
rowlength<-100000

set.seed(10)
Nametypes<-c("A1","B2","C3","D4","E5","F6","G7");
DT<-data.table(DTName1 = sample(Nametypes,rowlength,replace = TRUE),DTName2 = sample(Nametypes,rowlength,replace = TRUE),Criteria1=round(runif(rowlength,min = 0,max = 1)),
           Numeric1=rnorm(rowlength,mean = 1,sd = 100),
           bins=round(runif(rowlength,min = 1,max = 1e9)))
values<-c(0,2,5,7,9,10,12,15,18,20,25,30,35,50,100,150,200,500,Inf)*1e5;
binL<-values[-length(values)];binU<-values[-1];

我想完全按照下面提到的那样进行：一个涉及计算总和，另一个涉及计数，两者都具有多个标准。

Input1<-"DTName1";
Input2<-"Numeric1";


sapply(Nametypes, \(j){cbind(sapply(1: 19,\(i)sum(DT[Criteria1==1 & bins>= binL[i] & bins < binU[i] & get(Input1)== j, .(get(Input2))])))})
sapply(Nametypes, \(j){cbind(sapply(1: 19,\(i)nrow(DT[Criteria1==1 & bins>= binL[i] & bins < binU[i] & get(Input1)== j, .(get(Input2))])))})

但是，由于处理速度慢，我的代码效率极低。在我的玩具数据中，我只使用了 10 万个条目，但它可能会扩展到 500 万个。

1.如果不满足条件，我需要将值显示为零。 2.请仅使用data.table包。 3.Input1 和 Input2 可能会有所不同，因为它们来自外部源，这就是我使用

get

函数的原因。我不确定是否应该避免这种情况。欢迎替代方案。

Answer 1

我们可以像这样使用

tapply

和

table

：

DT[Criteria1 == 1, tapply(.SD[[Input2]], .(cut(bins, values, include.lowest = TRUE),
  .SD[[Input1]]), sum, .default = 0)]

DT[Criteria1 == 1, table(cut(bins, values, include.lowest = TRUE), .SD[[Input1]])]