R语言中如何用data.table实现按分组多列求和
data.table 分组多列求和实现方案
错误写法的根源
你之前两次尝试达不到效果,核心是对data.table的j表达式返回规则理解有偏差:
.()本质是list()的别名,如果你在j里写了.(s = 计算结果)的形式,不管计算结果本身是多长的向量、列表,都会被整体塞到名为s的单列里,不会自动拆成多列:.(s = lapply(.SD, sum))中,lapply(.SD, sum)会按a到d列逐列求和,返回一个长度为4的列表,这个列表会被整体作为s列的单个元素,最终只输出1个非分组列,根本不会生成a、b、c、d对应的独立求和列。.(s = colSums(.SD))中,colSums(.SD)返回的长度为4的数值向量,也会被整体封进s列,同样达不到拆成多列的效果。
- 新手常见的下意识操作,就是把j的所有返回值都套在
.()里,但如果你的计算结果本身就是多元素列表,额外套一层封装、或者给列表指定单个列名,就会把本该拆成多列的结果封成单列。
最简正确写法
只要不把多列计算结果强行套上单个列名,直接把逐列计算的列表结果作为j的输出,data.table会自动识别列表的每个元素为独立列,自动保留原列名:
# keyby 会按分组值排序,和你之前base R写法的输出行顺序完全一致 df1[, lapply(.SD, sum), .SDcols = a:d, keyby = grp]
运行后输出和你用split-rbindlist得到的结果完全匹配:
# grp a b c d # 1: 0 2 2 2 2 # 2: 1 5 2 3 2 # 3: 2 2 1 2 1
如果不需要固定的分组排序,把 keyby 换成 by 即可,二者计算效率完全一致。
其他等价实现
如果你习惯使用 colSums 做计算,只要把返回的向量转成列表,去掉外层的单命名列封装,也能得到相同结果:
df1[, as.list(colSums(.SD)), .SDcols = a:d, keyby = grp]
注:
colSums返回的是带列名的数值向量,用as.list()转成列表后,data.table会自动识别向量附带的列名作为输出列名,和lapply写法的运行效果、计算速度完全一致。
扩展用法
如果需要对求和后的列做自定义命名(比如加统一前缀标识聚合类型),可以在计算后批量修改列名:
# 把a-d的求和列重命名为sum_a、sum_b、sum_c、sum_d res <- df1[, lapply(.SD, sum), .SDcols = a:d, keyby = grp] setnames(res, old = c("a","b","c","d"), new = c("sum_a","sum_b","sum_c","sum_d"))
内容的提问来源于stack exchange,提问作者user2957945
相关产品推荐
相关产品推荐

