基于name列计算type列值的出现次数差值（data.table场景）

首先给出原始数据：

test <- data.table(name = c(rep(1,20), rep(2,20), rep(3,20)), 
                   type = c(rep("apple",10), rep("pear",10), rep("apple",15), rep("pear",5), rep("pear",20)))

需求是按name分组，计算每组中apple的出现次数减去pear的出现次数，期望结果如下：

name diff
   <num> <num>
1:     1     0
2:     2     10
3:     3    -20

你之前用table(type)[1] - table(type)[2]的写法会在分组仅含一种类型时返回NA，原因是table()只会生成存在的类型的计数，缺失的类型没有对应索引，取不存在的索引就会得到NA。下面是三种可靠的实现方法：

方法1：直接统计两类数量差值 #

这种方式最直观，直接分别统计apple和pear的数量再做减法，不管分组里有没有其中一类，sum(type == "xxx")都会返回0（如果没有该类）：

results <- test[, .(diff = sum(type == "apple") - sum(type == "pear")), by = name]

方法2：转宽表后计算差值 #

先用dcast将长表转为宽表，设置fill=0确保缺失的类型计数为0，再计算apple与pear的差值：

# 转宽表，每个name下的apple和pear计数
wide_dt <- dcast(test, name ~ type, fun.aggregate = length, fill = 0)
# 计算差值并保留需要的列
results <- wide_dt[, .(name, diff = apple - pear)]

方法3：赋值求和法 #

给apple记+1，pear记-1，其他类型（如果存在）记0，直接求和得到差值：

results <- test[, .(diff = sum(fcase(type == "apple", 1, type == "pear", -1, default = 0))), by = name]

以上三种方法都能正确处理分组仅含单一类型的情况，得到你需要的结果。

内容的提问来源于stack exchange，提问作者Paul Endymion