data.table利用列名中年份字符串批量计算合计列的实现方法

实现方案 #

思路 #

通过正则提取列名中的年份后缀，动态生成计算规则和待删除列列表，全程使用data.table原地操作，适配大表场景，无需手动编写每个年份的处理逻辑。

代码实现 #

常规版本（列名拼写规范）

适用于LunchMoney_年份、DinnerMoney_年份命名完全正确的场景：

library(data.table)
# 提取所有唯一年份后缀
year_list <- unique(sub(".*_(\\d{4})$", "\\1", names(money_table)[names(money_table) != "ID"]))

# 生成新列计算逻辑
new_cols <- lapply(year_list, function(y) {
  parse(text = sprintf("LunchMoney_%s + DinnerMoney_%s", y, y))
})
names(new_cols) <- paste0("TotalMoney_", year_list)

# 生成待删除旧列列表
old_cols <- unlist(lapply(year_list, function(y) {
  c(paste0("LunchMoney_", y), paste0("DinnerMoney_", y))
}))

# 批量执行操作
money_table[, (names(new_cols)) := new_cols][, (old_cols) := NULL]

兼容版本（列名拼写有误差）

如果存在类似示例中DinnerMondey_1213、DinnerMondy_1314的拼写错误，只要后缀年份正确，可使用该版本自动匹配同一年份的两列求和：

library(data.table)
# 提取所有唯一年份后缀
year_list <- unique(sub(".*_(\\d{4})$", "\\1", names(money_table)[names(money_table) != "ID"]))

# 自动匹配同一年份的所有金额列生成计算逻辑
new_cols <- lapply(year_list, function(y) {
  match_cols <- grep(paste0("_", y, "$"), names(money_table), value = T)
  parse(text = paste(match_cols, collapse = " + "))
})
names(new_cols) <- paste0("TotalMoney_", year_list)

# 生成待删除旧列列表
old_cols <- unlist(lapply(year_list, function(y) {
  grep(paste0("_", y, "$"), names(money_table), value = T)
}))

# 批量执行操作
money_table[, (names(new_cols)) := new_cols][, (old_cols) := NULL]

说明 #

• 所有操作均为data.table原地修改，无额外内存拷贝，适合处理超大数据表
• 可自动适配任意数量的年份列，无需修改代码逻辑

内容的提问来源于stack exchange，提问作者rw2