如何在R data.table中按列名应用不同聚合函数行聚合？

我来帮你搞定这个需求！其实不用纠结怎么把列名传给自定义函数，data.table里有更简洁直接的方式来实现按列名对应不同聚合函数的行聚合，核心思路是先建立列名到聚合函数的映射表，然后用Map来配对列和函数进行处理。

第一步：构造示例数据（方便你测试） #

先模拟一个和你场景一致的data.table，包含datetime列和数量不固定的数据列：

library(data.table)
library(lubridate)

set.seed(123) # 固定随机种子，方便复现
dt <- data.table(
  datetime = seq(as.POSIXct("2024-01-01 00:00:00"), by = "15 mins", length.out = 20),
  variable1 = rnorm(20),
  variable2 = rnorm(20),
  variable3 = rnorm(20),
  variable4 = rnorm(20),
  variable5 = rnorm(20) # 模拟额外的、数量不固定的数据列
)

第二步：定义列名-聚合函数的映射 #

把你需要的规则转换成一个列表，键是列名，值是对应的聚合函数（注意函数名不要加括号，直接传函数对象）：

# 严格按照你的需求：variable1/variable2用mean，variable3用max，variable4用sd，其他列可以自定义
agg_function_map <- list(
  variable1 = mean,
  variable2 = mean,
  variable3 = max,
  variable4 = sd,
  variable5 = median # 示例：额外列用中位数，你可以根据实际情况修改或添加
)

第三步：核心聚合代码 #

利用data.table的分组功能，结合Map来逐列应用对应的聚合函数：

# 按时间分组（这里按小时聚合，你可以替换成自己的timeStep，比如"day"、"10 mins"等）
time_step <- "hour"
dt_aggregated <- dt[,
                    # Map会自动把列名和对应的函数配对，逐列处理
                    Map(function(col_name, agg_fun) agg_fun(.SD[[col_name]]),
                        names(agg_function_map), agg_function_map),
                    by = .(datetime = floor_date(datetime, time_step))]

为什么这个方法能行？ #

• names(agg_function_map)拿到所有需要聚合的列名，agg_function_map是对应的函数列表，Map会把它们一一配对
• .SD[[col_name]]能精准定位到当前分组下的指定列数据，然后应用对应的聚合函数
• data.table会自动把Map返回的列表展开成列，最终得到结构清晰的聚合结果

扩展：处理默认聚合规则 #

如果你的场景是大部分列用默认函数，少数列用特殊函数（比如除了variable3和variable4，其他都用mean），可以这样写：

# 定义特殊列的函数
special_funs <- list(variable3 = max, variable4 = sd)
# 默认聚合函数
default_fun <- mean

# 获取所有数据列（排除datetime）
all_data_cols <- setdiff(names(dt), "datetime")

# 构建完整的函数映射：特殊列用指定函数，其余用默认
full_fun_map <- lapply(all_data_cols, function(col) {
  # 用%||%操作符处理默认值（如果没有rlang包，可以自己定义：`%||% <- function(a,b) if(is.null(a)) b else a`）
  special_funs[[col]] %||% default_fun
})
names(full_fun_map) <- all_data_cols

# 同样进行聚合
dt_aggregated <- dt[,
                    Map(function(col_name, agg_fun) agg_fun(.SD[[col_name]]),
                        all_data_cols, full_fun_map),
                    by = .(datetime = floor_date(datetime, time_step))]

验证结果 #

你可以打印聚合后的表，确认每个列的聚合结果符合预期：

print(dt_aggregated)

内容的提问来源于stack exchange，提问作者Blacksad