如何在data.table中按双列分组提取元素对？解决combn报错问题

错误原因 #

你遇到的n < m错误，是因为部分分组（比如g1=1、g2=4的组）中values列仅有1个元素，而combn(values, 2)要求从至少2个元素中选2个，因此触发报错。

实现方法 #

方法1：基于combn的条件处理 #

通过判断分组内元素数量（.N），仅对元素数≥2的组生成配对，单元素组直接跳过（或按需保留）：

library(data.table)
dt = data.table(g1 = c(1, 1, 1, 2, 2, 2, 2, 2),
                g2 = c(3, 3, 4, 5, 5, 6, 6, 6),
                values = letters[1:8])

# 生成配对，忽略单元素组
dt[, if (.N >= 2) {
  pairs = combn(values, 2, paste, collapse = ",")
  .(pair = pairs)
} else {
  NULL  # 若要保留单元素，改为 .(pair = values)
}, by = .(g1, g2)]

运行结果：

g1 g2 pair
1:  1  3  a,b
2:  2  5  d,e
3:  2  6  f,g
4:  2  6  f,h
5:  2  6  g,h

方法2：自连接方式（更高效） #

利用data.table的自连接功能，自动跳过单元素组，同时避免重复配对（如a,b和b,a视为同一对）：

# 自连接生成不重复配对
dt[dt, on = .(g1, g2), allow.cartesian = TRUE][values < i.values, 
  .(g1, g2, pair = paste(values, i.values, sep = ","))]

该方法无需手动判断元素数量，data.table会自动优化连接逻辑，适合处理大数据集。

单分组层级方案的核心思路（原英文方案翻译） #

针对单分组列的场景，核心思路是通过自连接+条件筛选生成配对：将表与自身按分组列连接，通过values < i.values（或反向）的条件过滤掉重复配对，同时自动忽略元素数不足2的分组，无需额外判断。这一思路可直接扩展到双分组场景，如上述方法2所示。

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