data.table循环动态计算分组时，如何自定义分组列名？

示例数据 #

library(data.table)
# dummy data
df <- data.table(metric_1 = c(1,1,3)
                 , metric_2 = c(1,2,2)
                 ); df

输出：

metric_1 metric_2
1:        1        1
2:        1        2
3:        3        2

问题描述 #

需要循环处理指定列，先对每列执行fifelse转换（将1替换为0，其余值保留），再按转换结果分组统计行数。当前代码能生成统计结果，但分组列默认名为fifelse；尝试直接在by参数中用原列名命名时触发语法错误：

错误代码：

# metric columns
x <- c('metric_1', 'metric_2')

# list to capture results
y <- vector('list', length(x))

for (i in seq_along(x))
{
  y[[i]] <- df[, .(rows = .N)
               , by = .(x[[i]] = fifelse(get(x[[i]]) == 1, 0, get(x[[i]])))
               ]
}

报错信息：

Error: unexpected '=' in:
"    df[, .(rows = .N)
       , by = .(x[[i]] ="

解决方案 #

方法1：分组后重命名列（兼容所有data.table版本） #

先按转换结果分组统计，再用setnames将默认的fifelse列名替换为原列名：

x <- c('metric_1', 'metric_2')
y <- vector('list', length(x))

for (i in seq_along(x)) {
  # 先执行分组统计
  temp_result <- df[, .(rows = .N), by = .(fifelse(get(x[[i]]) == 1, 0, get(x[[i]])))]
  # 重命名分组列为原列名
  setnames(temp_result, old = "fifelse", new = x[[i]])
  y[[i]] <- temp_result
}

# 查看结果
y

输出结果：

[[1]]
   metric_1 rows
1:        0    2
2:        3    1

[[2]]
   metric_2 rows
1:        0    1
2:        2    2

方法2：动态构建命名分组列表（更简洁） #

通过setNames创建以原列名为键的分组列表，直接传递给by参数：

x <- c('metric_1', 'metric_2')
y <- vector('list', length(x))

for (i in seq_along(x)) {
  # 构建命名分组列
  by_group <- setNames(
    list(fifelse(get(x[[i]]) == 1, 0, get(x[[i]]))),
    nm = x[[i]]
  )
  # 执行分组统计
  y[[i]] <- df[, .(rows = .N), by = by_group]
}

报错原因 #

data.table的by=.()语法本质是调用list()，而在list()中无法直接用变量（如x[[i]]）作为列名赋值，必须通过命名列表或事后重命名的方式实现动态列名。

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