使用dplyr实现data.table式的“隐式”过滤功能

Hi Alexander, 很高兴能帮你解决这个问题！你的原data.table代码核心是只在Cond == TRUE的行中计算Val的累积和，并将结果赋值给新列Res，不满足条件的行Res会自动保留为NA。下面是两种用dplyr实现完全相同效果的方法：

方法1：左连接法（逻辑直观，贴近data.table的筛选-计算逻辑） #

先筛选出符合条件的行计算累积和，再通过左连接把结果合并回原表，确保非目标行的Res保持为NA：

library(dplyr)

# 初始化数据框
df_test <- data.frame(Idx = c(1, 2, 3, 4, 5, 6, 7, 9), 
                      Cond = c(T, T, F, T, T,F, F, T), 
                      Val = c(T, T, F, T, T, F, T, T))

# 实现隐式过滤的累积和计算
df_test <- df_test %>%
  left_join(
    # 筛选Cond为TRUE的行，计算Val的累积和
    df_test %>%
      filter(Cond) %>%
      mutate(Res = cumsum(Val)),
    # 按所有原始列连接，保证结果与原表行序完全对齐
    by = c("Idx", "Cond", "Val")
  )

方法2：直接替换法（更简洁，模拟data.table的赋值逻辑） #

先初始化Res列为NA，再精准替换Cond == TRUE位置的数值，完全复刻data.table的"隐式过滤赋值"逻辑：

df_test <- df_test %>%
  mutate(Res = NA) %>% # 先将Res列初始化为NA
  mutate(Res = replace(Res, Cond, cumsum(Val[Cond]))) # 仅对符合条件的行赋值

验证结果 #

运行上述任意一种方法后，你会得到和原data.table代码完全一致的结果：

内容的提问来源于stack exchange，提问作者user12460590