如何在data.table中条件计数时保留零计数的分组行？

当使用data.table进行带条件的分组统计时，默认会丢弃没有符合条件记录的分组（例如示例中Sepal.Length >6的setosa分组），而dplyr可以通过group_by(Species, .drop=FALSE)实现保留零计数的分组统计。以下是data.table中的几种实现方法：

方法一：分组内直接计算符合条件的行数 #

无需提前过滤数据，直接在每个分组内统计满足条件的记录数，这样即使没有符合条件的分组也会返回0：

library(data.table)
dt <- as.data.table(iris)
dt[, .(n = sum(Sepal.Length > 6)), by = Species]

执行后会返回所有3个Species分组，其中setosa的n值为0。

方法二：左连接补全零计数 #

如果需要先过滤数据再统计，可以先获取所有分组的唯一值，再通过左连接补全缺失的分组并将NA替换为0：

# 获取所有唯一分组
all_species <- unique(dt$Species)
# 过滤后统计符合条件的分组
filtered_stats <- dt[Sepal.Length > 6, .(n = .N), by = Species]
# 左连接补全零计数
filtered_stats[.(Species = all_species), on = "Species", 
               .(Species, n = coalesce(n, 0))]

方法三：使用CJ生成分组框架后统计 #

利用CJ（交叉连接）生成包含所有分组的基础框架，再匹配原表进行统计：

dt[CJ(Species = unique(Species), unique = TRUE), on = "Species", 
   .(n = sum(Sepal.Length > 6)), by = .EACHI]

CJ会创建包含所有Species的虚拟表，by=.EACHI确保对每个分组单独计算符合条件的行数，自然保留零计数分组。

内容的提问来源于stack exchange，提问作者aiorr