data.table中cube与rollup函数的差异及结果缺失问题咨询

核心差异 #

• cube：会生成by参数里所有字段的全部可能分组组合，包括单个字段独立分组、多个字段任意组合分组，以及无字段的全量汇总，相当于把所有能想到的分组方式都跑一遍。
• rollup：只生成层级递进的分组组合，严格遵循by参数的字段顺序——从全部字段联合分组开始，每次去掉最后一个字段继续分组，直到无字段的全量汇总，不会出现跳过前面字段只保留后面字段的分组情况。

结合代码实例的具体解释 #

你的by参数是c('country','category')，两种函数的分组逻辑直接导致结果差异：

• 用cube生成的result_1包含4种分组结果：
  1. 按country+category联合分组
  2. 仅按country分组
  3. 仅按category分组（也就是你提到的grouping 2）
  4. 无分组的全量汇总
• 用rollup生成的result_2只包含3种分组结果：
  1. 按country+category联合分组
  2. 仅按country分组
  3. 无分组的全量汇总
     所以result_2自然缺失了仅按category分组的那部分数据（grouping 2）。

代码示例 #

library(tidyverse)
library(data.table)
country <- c('UK','US','UK','US')
category <- c("A", "B", "A", "B")
y2021 <- c(17, 42, 21, 12)
y2022 <- c(49, 23, 52, 90)
raw_data <- data.frame(country,category,y2021,y2022) %>% as.data.table()

# cube生成全量分组组合
result_1<-cube(raw_data,j=lapply(.SD,sum),
     by=c('country','category'),
     id =TRUE,
     .SDcols=c('y2021','y2022'))

# rollup生成层级分组组合
result_2<-rollup(raw_data,j=lapply(.SD,sum),
     by=c('country','category'),
     id =TRUE,
     .SDcols=c('y2021','y2022'))

（注：你提到的附图显示result_1包含仅category分组的汇总行，而result_2无此内容，正好对应上述逻辑差异）

内容的提问来源于stack exchange，提问作者anderwyang