如何在data.table中为汇总函数添加后缀？

当然可以！data.table完全能搞定这个需求，完美平衡你要的运行速度和清晰列名格式，刚好解决你在大数据场景下的痛点。下面直接上可运行的解决方案，再一步步解释逻辑：

完整实现代码 #

library(data.table)
library(datasets)
data(iris)
iris_dt <- as.data.table(iris)

# 1. 定义需要的汇总函数，列表名就是我们要加的后缀
summary_funs <- list(
  mean = function(x) mean(x, na.rm = TRUE),
  sd = function(x) sd(x, na.rm = TRUE)
)

# 2. 筛选出所有数值型列
num_cols <- names(iris_dt)[sapply(iris_dt, is.numeric)]

# 3. 核心：分组汇总+生成带后缀的列
result_dt <- iris_dt[, lapply(.SD, function(col) lapply(summary_funs, fun) fun(col)), 
                     by = Species, .SDcols = num_cols]

# 4. 把列名里的点替换成下划线，和dplyr格式统一
setnames(result_dt, names(result_dt), gsub("(.*)\\.(.*)", "\\1_\\2", names(result_dt)))

验证结果 #

运行完后查看列名，和dplyr的输出完全一致：

names(result_dt)
# [1] "Species"           "Sepal.Length_mean" "Sepal.Length_sd"  
# [4] "Sepal.Width_mean"  "Sepal.Width_sd"    "Petal.Length_mean"
# [7] "Petal.Length_sd"   "Petal.Width_mean"  "Petal.Width_sd"

代码逻辑解释 #

1. 定义汇总函数列表：把mean和sd封装成列表，列表的名字就是我们要给列名加的后缀，这样后续生成列名时自动对应，不用手动拼接。
2. 筛选数值列：和你之前的思路一致，用sapply判断列类型后提取列名，方便后续指定.SDcols。
3. 分组汇总：
   • by = Species实现按物种分组，和dplyr的group_by(Species)等价；
   • 嵌套的lapply先遍历每一列（.SD代表选中的列集合），再对每一列应用所有汇总函数，此时生成的列名格式是列名.后缀（比如Sepal.Length.mean）；
4. 统一列名格式：用setnames结合正则表达式，把列名里的点替换成下划线，和dplyr的列名_后缀格式完全对齐。

另一种更简洁的写法 #

如果你不想嵌套lapply，可以提前构造好所有汇总表达式，直接执行：

# 构造每个列+每个函数的表达式，直接生成带后缀的列名
exprs <- lapply(names(summary_funs), function(suffix) {
  lapply(num_cols, function(col) {
    call(suffix, as.name(col), na.rm = TRUE)
  }) %>% setNames(paste0(num_cols, "_", suffix))
}) %>% unlist()

# 直接执行分组汇总
result_dt2 <- iris_dt[, eval(exprs), by = Species]

这种方法会直接生成Sepal.Length_mean这类列名，不需要后续修改列名，逻辑更直接。

两种方法都能完美实现你的需求，而且完全保留data.table的速度优势，处理大型数据集时的效率会远高于dplyr。

内容的提问来源于stack exchange，提问作者user137698