如何修改data.table列对分组计算代码以支持任意自定义函数

首先，咱们得先理清原始数据处理后的结构：经过之前的merge操作，d里每个time+i分组对应两行数据——分别是一对列（比如a-b）的两个值。而你的自定义函数fun1需要接收两个独立的参数x和y，不是对一组值求和，所以直接在dcast里替换sum是行不通的，得先把每组的两个值拆分开，再传递给自定义函数。

步骤1：拆分每组的两个值为x和y #

先在d中按time和i分组，把每组的第一个value设为x，第二个设为y：

library(data.table)
# 你的原始数据处理代码
d = data.table(time = c(1,1,2,2), a = c(1,2,3,4), b =c(4,3,2,1), c = c(1,1,1,1))
pairs = d[, data.table(t(combn(names(.SD), 2))), by = time]
pairs$i = 1:nrow(pairs)
pairs = melt(pairs, id.vars = c('time', 'i'), value.name = 'firm')
d = melt(d, id.vars = 'time', variable.name = 'firm')
d = merge(pairs, d)

# 拆分每组的value为x和y
d[, c("x", "y") := .(value[1], value[2]), by = .(time, i)]

步骤2：应用自定义函数并整理结果 #

接下来就可以分组计算自定义函数的结果，同时保留配对列的名称：

# 自定义函数
fun1<- function(x,y, na.rm = FALSE) 1 - 0.5*sum(abs(x-y))

# 计算结果
result = d[, .(
  pair = paste(unique(firm), collapse = "_"),  # 保留列对名称
  fun_result = fun1(x, y)                     # 应用自定义函数
), by = .(time, i)]

运行后你会得到这样的结果：

time i pair fun_result
1:    1 1 a_b       -0.5
2:    1 2 a_c        0.0
3:    1 3 b_c       -1.5
4:    2 4 a_b       -0.5
5:    2 5 a_c        0.0
6:    2 6 b_c        0.5

扩展：支持任意自定义函数 #

如果想快速切换不同的自定义函数，可以封装成一个通用函数，还能支持传递额外参数：

apply_pair_fun = function(data, custom_fun, ...) {
  # 拆分x和y
  data[, c("x", "y") := .(value[1], value[2]), by = .(time, i)]
  # 应用自定义函数，支持额外参数（比如na.rm）
  result = data[, .(
    pair = paste(unique(firm), collapse = "_"),
    fun_result = custom_fun(x, y, ...)
  ), by = .(time, i)]
  return(result)
}

# 示例：用fun1并传入na.rm参数
result = apply_pair_fun(d, fun1, na.rm = TRUE)

# 再比如用另一个自定义函数测试
fun2 <- function(x, y) x^2 + y^2
result2 = apply_pair_fun(d, fun2)

为什么不用dcast？ #

原来的dcast写法里，sum是对分组内所有value值求和，但你的自定义函数需要两个独立的输入（一对列的两个值），所以必须先把每组的两个值拆成x和y，再传递给函数，这种分组处理的方式比dcast更灵活，能适配任意需要双参数的自定义函数。

内容的提问来源于stack exchange，提问作者Nick