如何在data.table中按名称含逗号的列分组

当data.table的列名包含逗号时，直接传递多元素字符向量给by参数会触发解析错误——因为data.table会把逗号当作列名的分隔符，而非列名的一部分。以下是几种优雅的解决方式：

方法1：直接用反引号引用列名 #

如果分组列是固定的，直接用反引号包裹含逗号的列名，放入list中即可：

dt[, mean(x), by = list(`a,b`, `c,d`)]

方法2：动态处理变量中的列名 #

如果分组列名存在变量（比如groupByColumns），可以通过动态生成表达式的方式实现：

groupByColumns <- c("a,b", "c,d")
# 生成带反引号的列名表达式，再解析执行
by_expr <- parse(text = paste0("list(", paste(sprintf("`%s`", groupByColumns), collapse = ","), ")"))
dt[, mean(x), by = eval(by_expr)]

方法3：合并为单个带引号的字符串 #

把每个含逗号的列名用双引号包裹，合并成单个字符串传递给by：

# 硬编码写法
dt[, mean(x), by = '"a,b","c,d"']

# 变量处理写法
by_str <- paste(sprintf('"%s"', groupByColumns), collapse = ",")
dt[, mean(x), by = by_str]

验证示例 #

运行以下可重现代码，三种方法都会得到正确的分组均值结果：

library(data.table)
set.seed(123)
dt <- data.table(x=rnorm(10), y=c(1,2,3,1,2,3,1,2,3,1), z=c(1,1,1,1,1,2,2,2,2,2))
names(dt) <- c("x", "a,b", "c,d")

# 方法1
dt[, mean(x), by = list(`a,b`, `c,d`)]
# 方法2
groupByColumns <- c("a,b", "c,d")
by_expr <- parse(text = paste0("list(", paste(sprintf("`%s`", groupByColumns), collapse = ","), ")"))
dt[, mean(x), by = eval(by_expr)]
# 方法3
by_str <- paste(sprintf('"%s"', groupByColumns), collapse = ",")
dt[, mean(x), by = by_str]

输出结果：

a,b c,d         V1
1:   1   1 -0.2301775
2:   2   1  1.5587083
3:   3   1  0.0705084
4:   1   2  0.1292877
5:   2   2  1.7150650
6:   3   2  0.4609162

内容的提问来源于stack exchange，提问作者Noskario