如何基于分组变量筛选data.table指定列并计算最大值？

嘿，我懂你遇到的问题啦！查了好多帖子还是没搞定，对吧？你有一个带多列的data.table，想要筛选出部分列，再按分组变量对这些列求最大值汇总，我来给你一步步解决。

首先先把你的示例数据补全（你写的Q24_LOC_1代码没写完，我帮你补完整啦）：

library("data.table")
set.seed(1200)
ID <- seq(1001,1100)
region <- sample(1:10,100,replace = T)
Q21 <- sample(1:5,100,replace = T)
Q22 <- sample(1:15,100,replace = T)
Q24_LOC_1 <- sample(1:8,100,replace = T)
# 创建data.table对象
dt <- data.table(ID, region, Q21, Q22, Q24_LOC_1)

接下来分两种常见场景给你解决方案：

如果你清楚知道要处理哪些列（比如Q21、Q22、Q24_LOC_1），可以直接指定列名来操作：

# 按region分组，对指定列求最大值
dt_summary <- dt[, lapply(.SD, max), by = region, .SDcols = c("Q21", "Q22", "Q24_LOC_1")]

给你拆解一下这段代码：

• by = region：告诉data.table按region这个变量分组
• .SDcols = c("Q21", "Q22", "Q24_LOC_1")：指定要进行计算的列（也就是你想筛选出来的列）
• lapply(.SD, max)：对.SD（也就是.SDcols指定的列集合）里的每一列应用max函数，算出每组的最大值

如果你的目标列有统一的命名规律（比如都是以Q开头），不用手动列所有列名，用正则匹配更高效：

# 筛选所有以Q开头的列，按region分组求最大值
dt_summary <- dt[, lapply(.SD, max), by = region, .SDcols = patterns("^Q")]

这里patterns("^Q")会自动匹配所有列名以Q开头的列，非常适合列数多的情况。

最后你可以打印结果看看：

print(dt_summary)

要是你需要按多个变量分组（比如同时按region和另一个变量），只需要在by里添加变量就行，比如by = .(region, another_variable)。

内容的提问来源于stack exchange，提问作者user1412