Data.table: conjuntos de agrupamento

Algumas palavras-chave: GROUPING SETS, ROLLUP, CUBE, GROUPING
Algumas referências: postgres , Oracle , SQL Server , agrupamentos combinados com funções arbitrárias

_Conjuntos de agrupamento_ e amigos são úteis para pré-calcular vários níveis de agregação, o que geralmente é desejado. A API para esse recurso em data.table não é muito amigável, consulte Agregando subtotais e totais gerais com data.table .

No caso de _rollup_, essas são agregações fornecidas by de cima para baixo. Veja a descrição do postgres man e o código de exemplo abaixo.

ROLLUP ( e1, e2, e3, ... )

é equivalente a:

GROUPING SETS (
    ( e1, e2, e3, ... ),
    ...
    ( e1, e2 )
    ( e1 )
    ( )
)

Será que poderia haver aceleração barata desse processo? esta é uma tarefa de computação potencialmente pesada. Seria ótimo ter a computação do recurso de _conjuntos de agrupamento_ desenvolvido em C, de modo que todo o _rollup / cubo_ e outros recursos pudessem ser construídos em cima de _conjuntos de agrupamento_ mais facilmente em R, ainda utilizando a velocidade total.

Respostas para atualizar quando fechado:

• [] https://stackoverflow.com/questions/21366138/multi-level-aggregations-like-grouping-sets-via-ddply-or-other-r-function

library(plyr)
grp.cols <- c("vs", "am", "gear", "carb", "cyl")
plyr.r = do.call(
    rbind.fill,
    lapply(1:length(grp.cols), function(x) ddply(mtcars, grp.cols[1:x], summarize, agg=mean(mpg)))
)

library(data.table) # 1.9.7+
dt.r = rollup(as.data.table(mtcars), j = .(agg=mean(mpg)), by=grp.cols)
all.equal(
    as.data.table(plyr.r),
    dt.r[-.N], # exclude grand total, not present in BrodieG answer
    ignore.row.order = TRUE,
    ignore.col.order = TRUE
)
#[1] TRUE
# install.packages("data.table", type = "source", repos = "https://Rdatatable.github.io/data.table")

• [x] https://stackoverflow.com/questions/9315258/aggregating-sub-totals-and-grand-totals-with-data-table/

library(data.table)
set.seed(1)
DT = data.table(
    group=sample(letters[1:2],100,replace=TRUE), 
    year=sample(2010:2012,100,replace=TRUE),
    v=runif(100))

cube(DT, mean(v), by=c("group","year"))
#    group year        V1
#1:     a 2011 0.4176346
#2:     b 2010 0.5231845
#3:     b 2012 0.4306871
#4:     b 2011 0.4997119
#5:     a 2012 0.4227796
#6:     a 2010 0.2926945
#7:    NA 2011 0.4463616
#8:    NA 2010 0.4278093
#9:    NA 2012 0.4271160
#10:     a   NA 0.3901875
#11:     b   NA 0.4835788
#12:    NA   NA 0.4350153
cube(DT, mean(v), by=c("group","year"), id=TRUE)
#    grouping group year        V1
#1:        0     a 2011 0.4176346
#2:        0     b 2010 0.5231845
#3:        0     b 2012 0.4306871
#4:        0     b 2011 0.4997119
#5:        0     a 2012 0.4227796
#6:        0     a 2010 0.2926945
#7:        2    NA 2011 0.4463616
#8:        2    NA 2010 0.4278093
#9:        2    NA 2012 0.4271160
#10:        1     a   NA 0.3901875
#11:        1     b   NA 0.4835788
#12:        3    NA   NA 0.4350153

# install.packages("data.table", type = "source", repos = "https://Rdatatable.github.io/data.table")

Algumas outras perguntas também podem obter novas respostas:

• [] https://stackoverflow.com/questions/20918619/nested-table-within-column-sub-group-totals-frequencies-and-percentages-using
• [] https://stackoverflow.com/questions/10956300/grouping-and-sorting-in-r/10956655#10956655
• [] https://stackoverflow.com/questions/5982546/r-calculating-column-sums-row-sums-as-an-aggregation-from-a-dataframe
• [] https://stackoverflow.com/questions/14242409/use-plyr-to-compute-margins
• [] https://stackoverflow.com/questions/2566766/margin-totals-in-xtabs
• [] https://stackoverflow.com/questions/12445574/subtotals-in-columns-using-reshape2
• [x] http://stackoverflow.com/questions/36169073/how-to-do-group-by-rollup-in-r-like-sql