R data.table分组统计类别占比时直接命名汇总列的方法

直接在lapply的迭代输入阶段为序列绑定对应列名即可，data.table会自动识别命名列表的名称作为输出列名，无需额外新增单独重命名列的代码行，且完全兼容任意类别数量的统计场景。

完整可运行代码 #

require(data.table)

n_categories <- 5

dt <- data.table(categories = sample(paste("Category", 1:n_categories), 
                                     1000, 
                                     replace = TRUE), 
                 group_var = rep(1:10, 100))

dt[, lapply(setNames(1:n_categories, paste0("proportion_category_", 1:n_categories)), 
            function(x) table(categories)[[x]]/.N), 
   by = group_var]

实现说明 #

• 核心逻辑是用setNames()给传入lapply的序号向量动态绑定列名，lapply返回的结果会自带名称属性，data.table分组计算时会直接沿用这些名称作为列名，不会生成默认的V1/V2类列名。
• 列名随n_categories参数自动生成，不管类别总数是多少，都会按规则输出proportion_category_1到proportion_category_n的规范列名，通用逻辑不需要随类别数调整。
• 若存在个别分组缺失某类别的情况，可将计算逻辑中的table(categories)替换为table(factor(categories, levels = paste("Category", 1:n_categories)))，避免因分组类别不全导致的占比计算错位，缺类的分组对应占比会正确返回0。

输出效果 #

运行代码后会直接返回符合要求格式的结果：

group_var proportion_category_1 proportion_category_2 proportion_category_3 proportion_category_4 proportion_category_5
 1:         1                  0.22                  0.19                  0.18                  0.24                  0.17
 2:         2                  0.17                  0.23                  0.18                  0.23                  0.19
 3:         3                  0.17                  0.22                  0.21                  0.17                  0.23
 4:         4                  0.17                  0.17                  0.24                  0.19                  0.23
 5:         5                  0.26                  0.19                  0.16                  0.19                  0.20
 6:         6                  0.14                  0.19                  0.24                  0.21                  0.22
 7:         7                  0.12                  0.14                  0.28                  0.30                  0.16
 8:         8                  0.13                  0.19                  0.19                  0.17                  0.32
 9:         9                  0.23                  0.26                  0.24                  0.17                  0.10
10:        10                  0.16                  0.20                  0.21                  0.25                  0.18

内容的提问来源于stack exchange，提问作者ReelSaemon