使用 data.table 对列进行计数和聚合/汇总

Posted 2023-02-16

【中文标题】使用 data.table 对列进行计数和聚合/汇总

【英文标题】：Use data.table to count and aggregate / summarize a column

【发布时间】：2015-12-25 21:26:43

【问题描述】：

我想对data.table 中的一列进行计数和汇总（求和），但找不到最有效的方法。这似乎接近我想要的R summarizing multiple columns with data.table。

我的数据：

set.seed(321)
dat <- data.table(MNTH = c(rep(201501,4), rep(201502,3), rep(201503,5), rep(201504,4)), 
                  VAR = sample(c(0,1), 16, replace=T))

> dat
     MNTH VAR
 1: 201501   1
 2: 201501   1
 3: 201501   0
 4: 201501   0
 5: 201502   0
 6: 201502   0
 7: 201502   0
 8: 201503   0
 9: 201503   0
10: 201503   1
11: 201503   1
12: 201503   0
13: 201504   1
14: 201504   0
15: 201504   1
16: 201504   0

我想使用 data.table 计算 VAR 和 MNTH 的总和。期望的结果：

    MNTH COUNT VAR
1 201501     4   2
2 201502     3   0
3 201503     5   2
4 201504     4   2

【问题讨论】：

我发现 the accepted answer 这个问题即使在 SINGLE 列的情况下也比这个问题中的 accepted answer on the question linked 更容易理解。

我认为这是因为另一个问题指向了多列的情况。

【参考方案1】：

您所指的帖子提供了一种有关如何将一种聚合方法应用于多个列的方法。如果你想对不同的列应用不同的聚合方法，你可以这样做：

dat[, .(count = .N, var = sum(VAR)), by = MNTH]

这会导致：

     MNTH count var
1: 201501     4   2
2: 201502     3   0
3: 201503     5   2
4: 201504     4   2

您还可以通过引用更新数据集来将这些值添加到现有数据集：

dat[, `:=` (count = .N, var = sum(VAR)), by = MNTH]

这会导致：

> dat
      MNTH VAR count var
 1: 201501   1     4   2
 2: 201501   1     4   2
 3: 201501   0     4   2
 4: 201501   0     4   2
 5: 201502   0     3   0
 6: 201502   0     3   0
 7: 201502   0     3   0
 8: 201503   0     5   2
 9: 201503   0     5   2
10: 201503   1     5   2
11: 201503   1     5   2
12: 201503   0     5   2
13: 201504   1     4   2
14: 201504   0     4   2
15: 201504   1     4   2
16: 201504   0     4   2

如需进一步了解如何使用 data.table 语法，请参阅 GitHub wiki 上的 Getting started guides。