如何用R data.table无循环实现函数赋值与连接赋值？

1. 按ID分组生成层级聚类对象（替代第一个for循环） #

你原来通过for循环给tSummary的Clust列赋值层级聚类对象，完全可以用data.table的原生分组操作实现，不需要循环：

解决方案代码 #

library(data.table)

# 生成示例数据
tAmounts <- data.table(
  rbind(
    cbind(ID="Apple", Amt=as.numeric(EuStockMarkets[1:50,2])),
    cbind(ID="Orange", Amt=as.numeric(EuStockMarkets[1:30,3])),
    cbind(ID="Lemon", Amt=as.numeric(EuStockMarkets[1:60,4]))
  )
)
setkey(tAmounts, ID, Amt)

# 直接按ID分组生成聚类对象，无需循环
tSummary <- tAmounts[, .(
  N = .N,
  Clust = list(hclust(dist(Amt), method = "average"))
), by = ID]

说明 #

data.table的by分组会对每个ID组独立计算j中的表达式：

• .N直接返回每组的行数
• 用list()包裹hclust(dist(Amt), ...)，是因为hclust返回的是一个对象，需要将其作为列表元素存入Clust列，确保每个组对应一个聚类对象。

你提到的类似tSummary[, Clust:=hclust(dist(Amt), method="average"), by="ID"]的写法，需要调整为用list()包裹hclust调用，否则会因对象长度不匹配报错，正确的修改写法是：

# 如果是对已存在的tSummary表修改
tSummary <- tAmounts[, .(N = .N), by = ID]
tSummary[, Clust := list(hclust(dist(tAmounts[ID == .BY$ID]$Amt), method = "average")), by = ID]

2. 连接操作中基于聚类对象生成分组编号（替代第二个for循环） #

你原来通过循环tCuts的每一行给tClust赋值ClustNum，可以用data.table的连接+分组操作实现无循环赋值：

解决方案代码 #

# 生成切割高度表
tCuts <- CJ(ID=unique(tAmounts$ID), Cut=seq(20,100,20))
setkey(tCuts, ID, Cut)

# 生成包含所有ID-Cut-Amt组合的表
tClust <- tCuts[tAmounts, on="ID", allow.cartesian=TRUE]
setkey(tClust, ID, Cut, Amt)

# 无循环赋值ClustNum
tClust[, ClustNum := cutree(tSummary[ID == .BY$ID]$Clust[[1]], h = .BY$Cut), by = .(ID, Cut)]

说明 #

• .BY是data.table分组中的特殊变量，代表当前组的键值（这里是ID和Cut的组合）
• 对每个ID-Cut组，从tSummary中取出对应ID的聚类对象，用当前组的Cut值作为cutree的高度参数，直接生成该组所有Amt对应的聚类编号。

如果你想更贴近你提到的tClust[tCuts, ClustNum:=cutree(Clust, h=Cut)]写法，可以用**连接+by=.EACHI**实现：

# 先将聚类对象关联到tCuts
tCuts_with_clust <- tCuts[tSummary, on = "ID"]

# 通过连接+逐组计算赋值
tClust[, ClustNum := tCuts_with_clust[.SD, 
  cutree(Clust[[1]], h = Cut), 
  by = .EACHI, 
  on = .(ID, Cut)]$V1]

by=.EACHI会针对tCuts_with_clust中的每个ID-Cut组合，匹配tClust中对应的行并计算聚类编号。

内容的提问来源于stack exchange，提问作者C8H10N4O2