如何用Base R与data.table规范实现分组过滤后聚合操作？

需求场景 #

以包含country、amount、discount列的数据集为例，需求为：

• 按country分组
• 过滤出每组内amount ≤ 组内median(amount)*10的行
• 计算每组的total = sum(amount - discount)

dplyr的参考实现如下（可得到正确结果）：

purchases |>
  group_by(country) |>
  filter(amount <= median(amount) * 10) |>
  summarize(total = sum(amount - discount))

Base R的正确实现 #

使用by()函数按组处理后，将结果转换为标准数据框格式：

# 按country分组，每组内完成过滤与聚合计算
group_calculations <- by(purchases, purchases$country, function(group_data) {
  # 过滤当前组符合条件的行
  filtered_rows <- group_data[group_data$amount <= median(group_data$amount)*10, ]
  # 计算total值
  sum(filtered_rows$amount - filtered_rows$discount)
})

# 转换为规范的数据框
base_r_result <- data.frame(
  country = names(group_calculations),
  total = as.vector(group_calculations),
  row.names = NULL
)

# 按country排序
base_r_result <- base_r_result[order(base_r_result$country), ]

规范的data.table实现 #

通过在分组内定义临时变量存储中位数，避免重复书写过滤条件，同时保证逻辑清晰：

library(data.table)
setDT(purchases)

dt_result <- purchases[, {
  # 计算当前组的amount中位数，仅计算一次
  group_median <- median(amount)
  # 筛选当前组符合条件的行
  filtered_data <- .SD[amount <= group_median * 10]
  # 聚合计算total
  .(total = sum(filtered_data$amount - filtered_data$discount))
}, by = country][order(country)]

另一种写法是先计算各组中位数，再通过连接匹配后过滤聚合：

dt_result <- purchases[, .(group_median = median(amount)), by = country] |>
  merge(purchases, by = "country") |>
  .[amount <= group_median * 10, .(total = sum(amount - discount)), by = country] |>
  .[order(country)]

内容的提问来源于stack exchange，提问作者user12256545