使用lapply与data.table按列求和并保留其他列的问题

我明白你遇到的困扰了——用lapply按X、Y、date分组求和columnSum后，像Z这类非聚合列直接消失了。这是因为你之前在lapply的匿名函数里只返回了求和结果，没有保留分组信息和非聚合列的内容。下面我用示例数据一步步帮你解决：

先模拟你的数据场景 #

首先，我们构造和你原始数据结构一致的示例数据集：

# 原始数据集示例
df <- data.frame(
  X = c("A", "A", "B", "B"),
  Y = c(1, 1, 2, 2),
  date = as.Date(c("2023-01-01", "2023-01-01", "2023-01-02", "2023-01-02")),
  columnSum = c(10, 20, 15, 25),
  Z = c("Z1", "Z1", "Z2", "Z2") # 需要保留的非聚合列
)

假设你之前尝试的代码大概是这样的（这就是导致Z列丢失的核心原因）：

# 你之前的尝试（仅返回求和值，丢失其他列）
result <- lapply(split(df, list(df$X, df$Y, df$date)), function(x) {
  sum(x$columnSum)
})
result <- do.call(rbind, result)

解决方案 #

方法1：调整lapply函数，保留所有需要的列 #

核心思路是：在lapply的匿名函数里，不要只返回求和值，而是返回包含分组列、非聚合列和求和结果的完整数据框。这里默认每组内的非聚合列（比如Z）值是一致的，如果有不同值，可以根据需求调整处理逻辑（比如取第一个、去重合并等）。

# 调整后的lapply实现
result_list <- lapply(split(df, list(df$X, df$Y, df$date)), function(x) {
  data.frame(
    X = unique(x$X),
    Y = unique(x$Y),
    date = unique(x$date),
    columnSum = sum(x$columnSum),
    Z = unique(x$Z) # 若Z在组内有多个值，可改为first(x$Z)或paste(unique(x$Z), collapse = ",")
  )
})
# 合并列表为数据框并清理自动生成的行名
result <- do.call(rbind, result_list)
rownames(result) <- NULL

方法2：用dplyr（更简洁，推荐给大多数场景） #

对于数据聚合操作，dplyr的语法更直观，而且能轻松保留需要的列——只要把非聚合列也加入分组（前提是组内该列值一致）：

library(dplyr)

result <- df %>%
  group_by(X, Y, date, Z) %>% # 把要保留的Z列也加入分组
  summarise(columnSum = sum(columnSum), .groups = "drop") # .groups = "drop"取消分组状态

方法3：用data.table（适合大型数据集，效率更高） #

如果你的数据集规模很大，data.table的性能会更优，写法也非常简洁：

library(data.table)

setDT(df) # 把普通数据框转为data.table格式
result <- df[, .(columnSum = sum(columnSum)), by = .(X, Y, date, Z)]

注意事项 #

如果你的非聚合列（比如Z）在同一个分组里有不同的值，你需要先明确处理逻辑：

• 取组内第一个值：用first(x$Z)（dplyr/data.table语法同理）
• 取组内最后一个值：用last(x$Z)
• 合并组内所有唯一值：用paste(unique(x$Z), collapse = ",")

内容的提问来源于stack exchange，提问作者B.Chellali