在data.table中用matrixStats的colSums2+lapply汇总列报错的技术咨询

错误原因解析 #

你遇到的Argument 'dim.' must be an integer vector of length two错误，核心是函数使用场景不匹配：

• 执行lapply(as.matrix(.SD), colSums2, na.rm = TRUE)时，as.matrix(.SD)将当前分组的子数据框转为矩阵，但lapply会自动遍历矩阵的每一列，把每一列作为单独的向量传递给colSums2。
• matrixStats::colSums2是为**二维结构（矩阵/数据框）**设计的，要求输入对象必须具备长度为2的dim属性（行、列维度）。但单个向量的dim属性为NULL，完全不符合函数的输入要求，因此触发错误。

正确的两种实现方式 #

方式1：直接对分组矩阵调用colSums2（适合批量处理多列） #

跳过lapply，直接对分组后的矩阵使用colSums2，最后用as.list将结果转为data.table可识别的列格式：

library(data.table)
library(matrixStats)
set.seed(100)
n = 100
dd = data.table(row_id = 1:n, person=rep(1:20,5), val = runif(n, 10, 50), val2 = runif(n, 20, 40))

# 正确写法
dd[, as.list(colSums2(as.matrix(.SD), na.rm = TRUE)), .SDcols = c("val","val2"), keyby = "person"]

方式2：使用matrixStats的向量求和函数sum2（匹配lapply的遍历逻辑） #

如果想保留lapply的写法，应该用matrixStats::sum2——这是专门针对单个向量的求和函数，和base R的sum功能一致但性能更优：

dd[, lapply(.SD, sum2, na.rm = TRUE), .SDcols = c("val","val2"), keyby = "person"]

关键总结 #

• matrixStats中带col/row前缀的函数（如colSums2、rowMeans2）是批量处理二维结构的工具，不能直接用于单个向量。
• 针对单个向量的统计需求，使用不带前缀的对应函数（如sum2、mean2），完全适配data.table分组中lapply遍历列的逻辑。

内容的提问来源于stack exchange，提问作者Rooh