Gewichtet bedeutet für mehrere Spalten, nach Gruppen (in einer data.table)

Question

Diese Frage folgt eine andere auf group weighted means: Ich möchte gewichtete In-Gruppe-Durchschnittswerte mit data.table erstellen. Der Unterschied zur anfänglichen Frage besteht darin, dass die Namen der Variablen, die als Durchschnittswert gelten, in einem Zeichenfolgenvektor angegeben sind.

Die Daten:

df <- read.table(text= " 
      region state county weights y1980 y1990 y2000 
      1  1  1  10  100 200  50 
      1  1  2  5  50 100 200 
      1  1  3  120 1000 500 250 
      1  1  4  2  25 100 400 
      1  1  4  15  125 150 200 
      2  2  1  1  10  50 150 
      2  2  2  10  10  10 200 
      2  2  2  40  40 100  30 
      2  2  3  20  100 100  10 
", header=TRUE, na.strings=NA) 

Mit Rolands vorgeschlagene Antwort von oben genannten Frage:

library(data.table) 
dt <- as.data.table(df) 
dt2 <- dt[,lapply(.SD,weighted.mean,w=weights),by=list(region,state,county)] 

Ich habe einen Vektor mit Streichern, für die ich den innerhalb der Gruppe gewichteter Durchschnitt will dynamisch Spalten zu bestimmen.

colsToKeep = c("y1980","y1990") 

Aber ich weiß nicht, wie es für die data.table Magie als Argument zu übergeben.

Ich versuchte

dt[,lapply(
     as.list(colsToKeep),weighted.mean,w=weights), 
     by=list(region,state,county)]` 

aber ich bekomme dann:

Error in x * w : non-numeric argument to binary operator 

Nicht sicher, wie zu erreichen, was ich will.

Bonusfrage: Ich möchte, dass ursprüngliche Spaltennamen beibehalten werden, anstatt V1 und V2 zu erhalten.

Hinweis: Ich verwende Version 1.9.3 des Pakets data.table.

Answer 1

Normalerweise, sollten Sie in der Lage zu tun:

dt2 <- dt[,lapply(.SD,weighted.mean,w=weights), 
      by = list(region,state,county), .SDcols = colsToKeep] 

das heißt, nur durch nur diese Spalten zu .SDcols bieten. Aber im Moment wird dies nicht funktionieren , in dem weights Spalte wird nicht verfügbar sein, weil es nicht in .SDcols angegeben ist.

Bis es behoben ist, können wir dies zu erreichen, wie folgt:

dt2 <- dt[, lapply(mget(colsToKeep), weighted.mean, w = weights), 
      by = list(region, state, county)] 
# region state county  y1980 y1990 
# 1:  1  1  1 100.0000 200.0000 
# 2:  1  1  2 50.0000 100.0000 
# 3:  1  1  3 1000.0000 500.0000 
# 4:  1  1  4 113.2353 144.1176 
# 5:  2  2  1 10.0000 50.0000 
# 6:  2  2  2 34.0000 82.0000 
# 7:  2  2  3 100.0000 100.0000 

Answer 2

Ich weiß nicht, data.table aber haben Sie in Betracht gezogen mit dplyr? Ich denke, dass es fast so schnell wie data.table

library(dplyr) 
df %>% 
    group_by(region, state, county) %>% 
    summarise(mean_80 = weighted.mean(y1980, weights), 
      mean_90 = weighted.mean(y1990, weights)) 
Source: local data frame [7 x 5] 
Groups: region, state 

    region state county mean_80 mean_90 
1  1  1  1 100.0000 200.0000 
2  1  1  2 50.0000 100.0000 
3  1  1  3 1000.0000 500.0000 
4  1  1  4 113.2353 144.1176 
5  2  2  1 10.0000 50.0000 
6  2  2  2 34.0000 82.0000 
7  2  2  3 100.0000 100.0000