如何按多列对 data.table 进行分组？答案

【问题标题】：How to group data.table by multiple columns?如何按多列对 data.table 进行分组？
【发布时间】：2012-09-10 19:56:57
【问题描述】：

我正在使用data.table 包来加快对数据集的一些汇总统计收集。

我很好奇是否有一种方法可以按多个列进行分组。我的数据如下所示：

  purchaseAmt        adShown        url
   15.54            00001         150000001
    4.82            00002         150000001
  157.99            05005         776300044
   ...               ...            ...

我可以这样做：

adShownMedian <- df1[,median(purchaseAmt),by="adShown"]

获取每个广告的中位数。我将如何做结合adShown 和url 的事情？

我试过了：

adShownMedian <- df1[,median(purchaseAmt),by=c("adShown","url")]

但没有运气。

有什么建议吗？

【问题讨论】：

您使用的是哪个版本的data.table？我相当肯定版本 1.8.2 允许您将列名的字符向量传递给 by 参数。
没错。要么是（非常）旧版本的 data.table，要么存在其他错误。 ?data.table 说：“by - 单个不带引号的列名、列名表达式的 list()、包含逗号分隔的列名的单个字符串或列名的字符向量。”所以c("adShown","url") 应该没问题，或者"adShown,url"，或者list(adShown,url)。
@BenBarnes：很好，我仍然回到 1.8。

标签： r group-by data.table

【解决方案1】：

要添加 Jilber Urbina 答案，并解决 kahlo 评论：
如果您想为每个 Y - Z 组合获取单行以及您可以执行的聚合值

DT[, .(X=mean(X)), by=list(Y, Z)]

这和做的一样

DT[, .(X=mean(X)), by=.(Y, Z)] 
# or
DT[, .(X=mean(X)), by=c('Y','Z')]
# or specify column names in vector
names = c('Y','Z')
DT[, .(X=mean(X)), by=names]

（data.table 版本 1.12.6）

【讨论】：

【解决方案2】：

使用by=list(adShown,url) 而不是by=c("adShown","url")

例子：

set.seed(007) 
DF <- data.frame(X=1:20, Y=sample(c(0,1), 20, TRUE), Z=sample(0:5, 20, TRUE))

library(data.table)
DT <- data.table(DF)
DT[, Mean:=mean(X), by=list(Y, Z)]


     X Y Z      Mean
 1:  1 1 3  1.000000
 2:  2 0 1  9.333333
 3:  3 0 5  7.400000
 4:  4 0 5  7.400000
 5:  5 0 5  7.400000
 6:  6 1 0  6.000000
 7:  7 0 3  7.000000
 8:  8 1 2 12.500000
 9:  9 0 5  7.400000
10: 10 0 2 15.000000
11: 11 0 4 14.500000
12: 12 0 1  9.333333
13: 13 1 1 13.000000
14: 14 0 1  9.333333
15: 15 0 2 15.000000
16: 16 0 5  7.400000
17: 17 1 2 12.500000
18: 18 0 4 14.500000
19: 19 1 5 19.000000
20: 20 0 2 15.000000

【讨论】：

但是by=c("adShown","url") 也应该没问题。无论如何 +1。
是否可以像aggregate 一样只显示聚合的Y、Z 和Mean 列？
据我所知，list 不需要像使用向量 c() 那样引用名称，这很有趣。
@PatrickT 感谢您的提示！有了这个技巧，你还可以按表达式分组，非常方便。
也由=.(adShown,url)