data.table SELECT GROUP BY Spaltenindex in R?

Question

Ich wiederhole die Spalten in einem Datenrahmen (es ist auch eine Datentabelle später in meinem Code). In SQL, das entspricht, was ich will für jede Variable tun wie folgt aussieht:

SELECT COUNT(VAR) FROM df GROUP BY MonthYear 

ich einige Probleme, die in R tun Sache, though. Die Datei, die ich habe, ist schlecht strukturiert, so habe ich eine Art von dplyr + data.table Workaround Ich versuche, funktional zu bekommen.

library(dplyr) 
library(data.table) 

df <- data.frame(MonthYear = c("JAN15", "JAN15", "FEB15", "MAR15", "MAR15"), V1 = c(1,1,0,0,0), V2 = c(0,1,1,1,0), V3 = c(0,0,0,1,1), V4 = c(0,1,1,1,1)) 

for(colNum in 2:length(names(df))){ 
    colName <- names(df)[colNum] 
    filtered <- select(df, c(1, colNum)) 
    filtered_dt <- data.table(filtered, key = "MonthYear") 
    trimmed <- filtered_dt[, count = sum(colName), by = key(filtered_dt)] 
} 

Daraus resultiert und Fehler:

Error in sum(column) : invalid 'type' (character) of argument

Für V1, ich weiß, die trimmed Zuordnung soll wie folgt aussehen:

trimmed <- filtered_dt[, count = sum(V1), by = key(filtered_dt)] 

Ich weiß nur nicht, wie das Zeichen zu bekommen Wert von "V1", um diese Syntax anzupassen.

Answer 1

Frage ist verwirrend, Sie verwenden SQL count(var) während im Code, und vorausgesetzt, Beispiel sieht es so aus, als ob Sie sum(var) verwenden möchten. Mit count(var) werden alle Nicht-NULL-Elemente einschließlich Duplikate gezählt.
Angenommen, Sie Ihre Variablen von Monat sum wollen, dann Lösung in Michael Kommentar ist eine effiziente und saubere Antwort:

library(data.table) 
df <- data.frame(MonthYear = c("JAN15", "JAN15", "FEB15", "MAR15", "MAR15"), V1 = c(1,1,0,0,0), V2 = c(0,1,1,1,0), V3 = c(0,0,0,1,1), V4 = c(0,1,1,1,1)) 
setDT(df) 
df[ , lapply(.SD, sum), by = MonthYear] 
# MonthYear V1 V2 V3 V4 
#1:  JAN15 2 1 0 1 
#2:  FEB15 0 1 0 1 
#3:  MAR15 0 1 2 2 

Im Fall, wenn Ihre Beispieldaten gut sind nicht Ihr Problem Einpassen und Sie wirklich wollen SQLs count(var) dann verwenden Sie einfach df[, lapply(.SD, function(x) sum(!is.na(x))), by = MonthYear], dies zählt Nicht-NA-Elemente nach Gruppe.