使用列表列对 data.table 进行分组

Question

我有一个非常大的问题，循环遍历 data.table 来做我想做的事情太慢了，所以我试图绕过循环。假设我有一个 data.table 如下：

a <- data.table(i = c(1,2,3), j = c(2,2,6), k = list(c("a","b"),c("a","c"),c("b")))

> a
  i j   k
1: 1 2 a,b
2: 2 2 a,c
3: 3 6   b

我想根据 k 中的值进行分组。所以是这样的：

a[, sum(j), by = k]

现在我收到以下错误：

 Error in `[.data.table`(a, , sum(i), by = k) : 
 The items in the 'by' or 'keyby' list are length (2,2,1). Each must be same length as rows in x or number of rows returned by i (3).

我正在寻找的答案是首先将 k 列中具有“a”的所有行分组并计算 sum(j)，然后计算所有具有“b”的行，依此类推。所以想要的答案是：

k V1 
a 4
b 8
c 2

任何提示如何有效地做到这一点？我不能通过重复行来融化列 K，因为 data.table 的大小对于我的情况来说太大了。

Answer 1

我认为这可能有效：

a[, .(k = unlist(k)), by=.(i,j)][,sum(j),by=k]

   k V1
1: a  4
2: b  8
3: c  2

Answer 2

如果我们使用tidyr，一个紧凑的选项将是

library(tidyr)
unnest(a, k)[, sum(j) ,k]
#   k V1
#1: a  4
#2: b  8
#3: c  2

---

或使用dplyr/tidyr 管道

unnest(a, k) %>%
       group_by(k) %>%
       summarise(V1 = sum(j))
#     k    V1
#   <chr> <dbl>
#1     a     4
#2     b     8
#3     c     2

Answer 3

由于按组操作可能很慢，我会考虑...

dat = a[rep(1:.N, lengths(k)), c(.SD, .(k = unlist(a$k))), .SDcols=setdiff(names(a), "k")]

   i j k
1: 1 2 a
2: 1 2 b
3: 2 2 a
4: 2 2 c
5: 3 6 b

我们重复行列 i:j 以匹配未列出的 k。数据应该以这种格式保存，而不是使用列表列，可能。从那里，就像@MikeyMike 的回答一样，我们可以dat[, sum(j), by=k]。

在 data.table 1.9.7+ 中，我们可以类似地做

dat = a[, c(.SD[rep(.I, lengths(k))], .(k = unlist(k))), .SDcols=i:j]