如何用R的data.table包实现类似COUNTIFS与SUMIFS的条件计数和求和？

初始代码 #

library(data.table)
treesData <- as.data.table(trees)
bins <- seq(63, length.out = 10, by = 3)
aggtable <- data.table(bin1 = bins[-length(bins)], bin2 = bins[-1])

需求说明 #

需要为aggtable中的每个区间[bin1, bin2)，计算两个指标：

• Count：treesData中Height落在该区间内的记录数（对应COUNTIFS）
• Girth.total：treesData中该区间内所有Girth的求和（对应SUMIFS）

解决方案 #

方法1：逐行筛选聚合（适合小数据集）

直接在aggtable中按区间分组，筛选对应数据并计算统计量：

aggtable[, `:=`(
  Count = treesData[Height >= bin1 & Height < bin2, .N],
  Girth.total = treesData[Height >= bin1 & Height < bin2, sum(Girth)]
), by = .(bin1, bin2)]

方法2：用foverlaps高效连接（适合大数据集）

通过区间重叠连接实现更高效的分组统计：

# 为treesData添加点区间（每个Height对应[Height, Height]）
treesData[, `:=`(Height_start = Height, Height_end = Height)]

# 设置连接键
setkey(aggtable, bin1, bin2)
setkey(treesData, Height_start, Height_end)

# 重叠连接后聚合
result <- foverlaps(treesData, aggtable, type = "within")[, .(
  Count = .N,
  Girth.total = sum(Girth)
), by = .(bin1, bin2)]

执行后，aggtable（方法1）或result（方法2）会生成符合需求的结果，包含每个区间的计数和求和值。

内容的提问来源于stack exchange，提问作者Mohit