寻求基于data.table的自定义非唯一子集高效函数运算方法

嘿，我懂你想用data.table替换for循环来处理这个边列表的需求——这绝对是个聪明的选择，毕竟data.table的分组和聚合操作在处理这类网络数据时，速度和效率都甩base R循环好几条街！

先把你的数据集用更地道的data.table方式调整一下（替换原来的base R赋值，保持风格统一）：

library(data.table)
set.seed(1)
dt <- data.table(
  id1 = rep(letters, each = length(letters)),
  id2 = rep(letters, length(letters)),
  tie = rbinom(length(letters)^2, 1, .1),
  interest = abs(rnorm(n = length(letters)^2))
)
# 用data.table的原地赋值语法，比dt$tie[...]更高效
dt[id1 == id2, tie := 1]

下面是几个边列表分析中最常见的操作，全部用data.table专属的高效方法实现：

1. 计算每个节点的出度&出向interest加权总和 #

出度就是节点作为发送方（id1）的有效连接数，加权总和则是只统计tie=1的interest值：

out_stats <- dt[, .(
  out_degree = sum(tie),
  total_out_interest = sum(tie * interest)
), by = id1]
# 把id列重命名为node，方便后续合并
setnames(out_stats, "id1", "node")

2. 计算每个节点的入度&入向interest加权总和 #

同理，统计节点作为接收方（id2）的相关指标：

in_stats <- dt[, .(
  in_degree = sum(tie),
  total_in_interest = sum(tie * interest)
), by = id2]
setnames(in_stats, "id2", "node")

3. 合并出入度统计成完整节点表 #

用data.table的merge操作，比base R的merge快很多，尤其是大数据量时：

node_full_stats <- merge(out_stats, in_stats, by = "node", all = TRUE)

4. 生成节点的邻接列表 #

如果需要提取每个节点的有效连接对象（tie=1），可以直接分组生成列表：

# 出向邻接列表：每个id1连接的所有id2
out_adj_list <- dt[tie == 1, .(connected_nodes = list(id2)), by = id1]
# 入向邻接列表：所有连接到id2的id1
in_adj_list <- dt[tie == 1, .(connected_nodes = list(id1)), by = id2]

为什么这比for循环高效？ #

data.table的分组聚合是用底层C语言实现的，完全避免了R循环的解释型开销——如果你的数据量从几百行涨到几十万甚至几百万行，这个效率差距会特别明显。而且data.table的语法支持链式操作，你可以把多个步骤串起来，代码更简洁易维护。

如果你的具体需求不是上面这些（比如要计算双向连接、节点中心度之类的），可以补充说明细节，我再给你调整对应的data.table实现！

内容的提问来源于stack exchange，提问作者Brian A