按data.table列A分组，计算列A≥分组值时其他列的累计和

有一个多行多列的data.table，第一列A为索引列，其余列为数值列。需要按列A分组，计算所有A值大于等于当前分组值的行中，各数值列的求和结果（即从当前行到最后一行的列值总和）。

示例数据 #

原始data.table如下：

A     B     C
   <int> <int> <int>
1:     1    15    14
2:     2     9     9
3:     3    12    11
4:     4     1    19
5:     5    11    13

示例数据定义代码：

dt <- structure(
  list(
    A = 1:5,
    B = c(15L, 9L, 12L, 1L, 11L),
    C = c(14L, 9L, 11L, 19L, 13L)
  ),
  row.names = c(NA, -5L),
  class = c("data.table", "data.frame")
)

预期结果 #

计算后得到的结果：

A     B     C
   <int> <int> <int>
1:     1    48    66
2:     2    33    52
3:     3    24    43
4:     4    12    32
5:     5    11    13

尝试过的代码 #

用户尝试了以下代码，但不知道如何批量应用到多列：

dt[, .(B = sum(dt$B[.I:nrow(dt)]), C = sum(dt$C[.I:nrow(dt)])), by = .(A)]

解决方案 #

方法1：反向累计求和（高效推荐） #

利用reverse+cumsum实现反向累计求和，无需逐行循环，效率更高：

# 自动排除索引列A，批量处理所有数值列
dt[, (setdiff(names(dt), "A")) := lapply(.SD, function(x) rev(cumsum(rev(x)))), .SDcols = setdiff(names(dt), "A")]

如果只需指定特定列，修改.SDcols为目标列名列表即可，比如.SDcols = c("B", "C")。

方法2：逐行范围求和（贴合原始思路） #

沿用行索引定位的思路，用lapply批量处理多列：

dt[, c("B", "C") := lapply(.SD, function(col) {
  sapply(.I, function(i) sum(col[i:.N]))
}), .SDcols = c("B", "C")]

其中.N是data.table内置的当前数据集行数，替代nrow(dt)更符合语法习惯。

方法3：按A分组筛选求和 #

严格贴合“按A分组”的需求逻辑，通过分组键值筛选行求和：

dt[, c("B", "C") := lapply(.SD, function(col) {
  sum(col[A >= .BY$A])
}), by = A, .SDcols = c("B", "C")]

.BY代表当前分组的A值，通过A >= .BY$A筛选符合条件的行并求和。

内容的提问来源于stack exchange，提问作者user16196