如何在R的data.table中对两组列执行不同的汇总操作？

将data.frame转为data.table后，无法复现原dplyr的分组汇总逻辑，需求如下：

• 分组依据：Player、Tier、Sex
• 计算规则：
  1. Min列：sum(Min, na.rm=TRUE)/90后取整
  2. non_percent类列：sum(列值, na.rm=TRUE)/Min后保留两位小数
  3. percent类列：mean(列值, na.rm=TRUE)后保留两位小数

原dplyr代码：

player_matchLogs %>%
    group_by(Player, Tier, Sex) %>%
    summarize(
        Min = round(sum(Min, na.rm = TRUE) / 90),
        across(non_percent, ~ round(sum(.x, na.rm = TRUE) / Min, 2)),
        across(percent, ~ round(mean(.x, na.rm = TRUE), 2))
    )

数据集预览：

> glimpse(player_matchLogs)
Rows: 41
Columns: 130
$ League                   <chr> "Premier League", "Pr…
$ Match_Date               <chr> "2023-08-11", "2023-0…
...（其余列省略）
$ Rival_Goals              <dbl> 0, 0, 1, 1, 1, 0, 2, …

用data.table实现相同逻辑的代码如下，核心是利用data.table的分组语法和代码块执行多行计算逻辑：

library(data.table)

# 将data.frame转为data.table（若未转换）
setDT(player_matchLogs)

# ********* 关键：替换为实际的non_percent和percent列名 *********
non_percent <- c("Rival_Goals", "...") # 示例列，替换成你的非百分比列
percent <- c("...") # 替换成你的百分比列

# 分组汇总
result <- player_matchLogs[, {
  # 计算中间变量：总分钟数和取整后的Min
  total_min <- sum(Min, na.rm = TRUE)
  min_calc <- round(total_min / 90)
  
  # 处理non_percent类列：sum后除以min_calc，保留两位小数
  non_percent_res <- lapply(.SD[, non_percent, with = FALSE], function(col) {
    round(sum(col, na.rm = TRUE) / min_calc, 2)
  })
  
  # 处理percent类列：取均值后保留两位小数
  percent_res <- lapply(.SD[, percent, with = FALSE], function(col) {
    round(mean(col, na.rm = TRUE), 2)
  })
  
  # 合并结果：Min + non_percent结果 + percent结果
  c(list(Min = min_calc), non_percent_res, percent_res)
}, by = .(Player, Tier, Sex), .SDcols = c("Min", non_percent, percent)]

关键说明 #

1. 列定义：必须准确指定non_percent和percent的列名，对应dplyr中across的列分组
2. 中间变量：用{}在j参数中编写多行代码，先计算total_min和min_calc，避免重复计算
3. 效率优化：.SDcols只传入需要处理的列，减少内存占用，提升大数据集的处理速度
4. 语法细节：with=FALSE用于在.SD中按列名子集化，lapply遍历目标列执行计算

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