如何在data.table中实现类似dplyr group_by的混合列分组？

问题背景 #

dplyr的group_by功能支持用冒号（:）快速选择连续列，非连续列用逗号分隔组合，但在data.table中直接使用by = .(a, c:d)的写法会报错，无法实现预期分组。示例代码如下：

library(data.table)

# 创建示例data.table
dt <- data.table(a = c("A", "A", "B", "B"), b = c(1, 2, 3, 4), c = c(5, 6, 7, 8), d = c(9, 10, 11, 12))

# 尝试按a、c到d的连续列分组（此写法会报错）
dt[, .(sum(b)), by = .(a, c:d)]

可行解决方案 #

方法1：手动构造分组列名向量 #

通过列名匹配生成连续列的名称向量，再与非连续列组合后传入by参数：

# 提取c到d的连续列名
range_cols <- names(dt)[which(names(dt) == "c"):which(names(dt) == "d")]
# 组合非连续列与连续列
group_cols <- c("a", range_cols)

# 执行分组计算
dt[, .(sum(b)), by = group_cols]

方法2：利用eval()和parse()解析列范围表达式 #

直接解析包含列范围的表达式，在data.table的上下文环境中执行：

dt[, .(sum(b)), by = eval(parse(text = "c(a, c:d)"))]

方法3：使用..符号传递列范围变量 #

先在外部定义列范围，再通过..符号引用并组合非连续列：

range_cols <- "c:d"
dt[, .(sum(b)), by = c("a", ..range_cols)]

以上三种方法都能实现和dplyr中group_by(a, c:d)相同的分组效果，可根据实际场景选择使用。

内容的提问来源于stack exchange，提问作者some