多品牌购买组合统计问题：代码报错与优化需求

一、报错原因拆解 #

• 列名/语法问题：报错提示HHKEY, Brand not found，要么是你的dt_grouped实际列名是HHKEY而非代码里写的ID，要么是dt_grouped是dplyr生成的分组tibble——这种对象不支持data.table的[行,列]索引语法，得先转成data.table或用dplyr语法取数。
• 逻辑偏离需求：就算报错解决，你当前代码是把一个用户的所有品牌拼成一串，根本没生成两两组合，和目标结果完全不符。

二、高效实现方案（data.table版，速度最优） #

1. 基础数据汇总 #

先把数据转成data.table格式，按用户和品牌汇总购买次数：

library(data.table)
dt <- as.data.table(dt)
# 得到每个用户-品牌的总购买量
dt_grouped <- dt[, .(nr_purchases = sum(nr_products_bought)), by = .(ID, Brand)]

2. 生成两两品牌组合并计算总和 #

用自连接+过滤实现向量化操作，彻底抛弃低效循环：

# 自连接获取同一用户下的所有品牌对，用Brand < i.Brand避免重复组合（比如Brand1-Brand2只保留一次）
dt_pairs <- dt_grouped[dt_grouped, on = .(ID), allow.cartesian = TRUE][Brand < i.Brand]
# 计算每个品牌组合的总购买次数
dt_result <- dt_pairs[, .(total_purchases = nr_purchases + i.nr_purchases), 
                      by = .(ID, Brand_pair = paste(Brand, i.Brand, sep = ", "))]

三、dplyr替代方案 #

如果习惯用tidyverse语法，可参考以下实现：

library(dplyr)

dt_grouped <- dt %>% 
  group_by(ID, Brand) %>% 
  summarise(nr_purchases = sum(nr_products_bought), .groups = "drop")

dt_result <- dt_grouped %>%
  inner_join(dt_grouped, by = "ID") %>%
  filter(Brand.x < Brand.y) %>%
  mutate(Brand_pair = paste(Brand.x, Brand.y, sep = ", ")) %>%
  group_by(ID, Brand_pair) %>%
  summarise(total_purchases = nr_purchases.x + nr_purchases.y, .groups = "drop")

内容的提问来源于stack exchange，提问作者Fendi