如何在data.table的by参数中向函数传递字符向量？

我来帮你搞定这两个问题，先从核心的by参数传递字符向量的问题说起，再讲日期聚合的规范做法。

为什么你的代码无效？ #

你之前试的这两行代码：

df[, .(n = .N), by = str_sub(chosen_col, 1, 7)]
df[, .(n = .N), by = eval(str_sub(chosen_col, 1, 7))]

问题出在：str_sub(chosen_col, 1,7)是对字符串"dates"本身截取（结果是"dates"前7个字符，也就是"dates"），而不是对df$dates列里的日期值操作。eval在这里也没起到作用，因为它没有引用到data.table内部的列数据。

正确的解决方法（核心问题：传递字符向量给by参数的函数） #

方法1：用get()获取列并处理

get()函数可以从data.table的环境中取出指定名称的列，然后直接对列值应用函数：

library(data.table)
library(stringr)

df <- data.table(dates = c('2017-01-01', '2017-01-05'))
chosen_col <- 'dates'

# 正确写法：用get()拿到列的值，再用str_sub处理
df[, .(n = .N), by = str_sub(get(chosen_col), 1, 7)]

运行后会得到按2017-01分组的计数结果。

方法2：用.SDcols和.SD操作列

.SDcols指定要操作的列，.SD代表这些列组成的子数据集，用.SD[[1]]取出对应列的值：

df[, .(n = .N), by = .(month = str_sub(.SD[[1]], 1, 7)), .SDcols = chosen_col]

这种方式适合同时处理多列的场景，这里单列也适用，还能给分组键起个清晰的名字month。

按月份聚合日期的规范做法 #

既然你提到了日期聚合的变通方法，这里再补充几个更规范的日期处理方式（推荐先把字符串转成Date类型）：

# 先把dates列转成Date类型
df[, dates := as.Date(dates)]

# 方法1：用lubridate的yearmonth函数直接生成年月分组
library(lubridate)
df[, .(n = .N), by = yearmonth(dates)]

# 方法2：拆分成年和月分组，或者合并成年月字符串
df[, .(n = .N), by = .(year = year(dates), month = month(dates))]
# 合并成年月格式字符串
df[, .(n = .N), by = sprintf("%04d-%02d", year(dates), month(dates))]

这些方法比直接截取字符串更可靠，能避免日期格式不规范带来的问题。

内容的提问来源于stack exchange，提问作者MLEN