R data.table按组聚合时非数值型列的获取方法

直接在j参数的返回列表中同时定义数值列的聚合规则、以及字符串列取组内第一个值的规则即可，单条命令就能实现需求，核心代码如下：

dt[, .(X = mean(X), Y = Y[1]), by = .(id)]

扩展用法 #

如果存在多个同组唯一的非数值列需要保留，可使用以下两种写法简化代码：

• 手动指定要保留的非数值列

# 假设除Y外还有Z、P两个同组唯一的非数值列
dt[, c(.(X = mean(X)), .SD[1, .(Y, Z, P)]), by = .(id)]

• 自动保留除聚合数值列外的所有非数值列首个值

dt[, c(.(X = mean(X)), .SD[1, !"X"]), by = .(id)]

注意事项 #

因为你已经确认同一id分组内非数值列取值完全一致，除了[1]取第一个值，使用unique(Y)、max(Y)等写法也能得到相同结果，其中Y[1]是性能最优的实现。

内容的提问来源于stack exchange，提问作者cosmia1