基于两列统计某列非空值频次：data.table替代dplyr实现方案

当然有！data.table在处理大规模数据集时的性能表现通常优于dplyr，而且语法简洁直接，很适合这类分组统计场景。

具体实现步骤： #

1. 先安装并加载data.table包：

install.packages("data.table")
library(data.table)

2. 转换数据格式（如果你的数据还是data.frame类型）：

   • 如果你想原地转换（不复制数据，节省内存），用setDT()：

     setDT(data)
     

   • 如果你不想修改原数据，生成副本用as.data.table()：

     dt <- as.data.table(data)
     

3. 执行分组统计：

# 假设数据已经是data.table格式，直接运行
dt[, .(count = sum(!is.na(Value))), by = .(Ticker, Year)]

代码解释： #

• by = .(Ticker, Year)：指定按Ticker和Year两列进行分组
• .()：用来定义结果集中的列，这里我们创建名为count的统计列
• sum(!is.na(Value))：直接统计每组中Value非空值的数量，相比length(Value[!is.na(Value)])，这种写法更高效，因为它不需要先创建子集再计算长度，而是直接对布尔向量求和（TRUE会被当作1，FALSE当作0）

如果你的数据量很大，会明显感受到data.table的速度优势，它的底层优化避免了很多不必要的内存开销。

内容的提问来源于stack exchange，提问作者bli12blu12