R语言data.table如何将3个count列melt为单列匹配对应dur值

你当前的场景不需要做全量melt后再过滤，直接用data.table原生的逐行索引写法效率最高，代码也最简洁。

方法1：逐行动态取列（推荐，性能最优） #

核心逻辑是逐行读取当前dur字段的值，拼接.count后缀后直接定位到对应列的取值，没有冗余的长宽表转换操作：

library(data.table)

# 构造示例数据
dt <- data.table(age = rep(c("5-16", "17-39"), each = 3), 
                 dur = rep(c("short","medium","long"), 2), 
                 short.count = rep(c(23,45),each = 3), 
                 medium.count = rep(c(12,34), each = 3), 
                 long.count = rep(c(3,5), each = 3))

# 一行代码得到目标结果
dt_res <- dt[, .(age, dur, count = .SD[[paste0(dur, ".count")]]), by = .I][, .I := NULL]

运行后输出结果完全匹配预期：

age    dur count
1:  5-16  short    23
2:  5-16 medium    12
3:  5-16   long     3
4: 17-39  short    45
5: 17-39 medium    34
6: 17-39   long     5

说明：这里用by = .I是data.table内置的按行分组语法，比写by=1:nrow(dt)更规范，最后删掉自动生成的.I行号列即可。

方法2：melt后过滤（常规长宽表转换思路） #

如果更习惯用melt语法，也可以先把宽表转成长表，再匹配dur和count类型保留对应行：

dt_res2 <- melt(
  dt,
  id.vars = c("age", "dur"),
  measure.vars = patterns("\\.count$"),
  variable.name = "count_type",
  value.name = "count"
)[, count_type := gsub("\\.count", "", count_type)][count_type == dur, .(age, dur, count)]

这种写法逻辑直观，但会先生成3倍行数的中间长表再做过滤，数据量较大时性能弱于第一种方法。

内容的提问来源于stack exchange，提问作者matto