如何在data.table中实现排序、分组、mutate操作复现dplyr效果

问题原因 #

你写的data.table代码和dplyr逻辑执行顺序不一致，核心问题是没有保证同id分组内的行是按date升序排列后再取首尾值：

• dplyr执行顺序：按id分组 → 组内按date排序 → 计算组内首尾值 → 全局按date排序输出
• 你写的data.table执行顺序：全局按date排序 → 按id分组 → 取原顺序的组内首尾值 → 输出时不会额外排序

修正代码 #

两种常用写法都可以得到和dplyr一致的结果：

写法1：分组后指定按date排序取首尾 #

setDT(test_df)[, `:=`(
  Amt_first = first(Amount[order(date)]),
  Amt_last = last(Amount[order(date)])
), by = id][order(date)]

写法2：先按id+date全局排序再分组计算 #

setDT(test_df)[order(id, date), `:=`(
  Amt_first = first(Amount),
  Amt_last = last(Amount)
), by = id][order(date)]

补充说明 #

如果不想原位修改原数据集，可以先拷贝一份再操作：

test_dt <- copy(setDT(test_df))
# 后续操作在test_dt上执行即可

内容的提问来源于stack exchange，提问作者ViSa