使用sum、length和grep聚合data.table

让我们创建一个data.table：

dt <- data.table(x.1=1:8, x.2=1:8, x.3=2:9, vessel=rep(letters[1:2], each=4), Year=rep(2012:2015, 2))
dt
   x.1 x.2 x.3 vessel Year
1:   1   1   2      a 2012
2:   2   2   3      a 2013
3:   3   3   4      a 2014
4:   4   4   5      a 2015
5:   5   5   6      b 2012
6:   6   6   7      b 2013
7:   7   7   8      b 2014
8:   8   8   9      b 2015

这就是我想要的，但在我的真实数据中，我有很多列，所以我想使用grep或%like%，但我无法让它工作。我的想法与此一致：

dt[,grep("x",colnames(dt)),with = FALSE])

---

但是如何将其与聚合合并？

您可以使用

lappy

在所有（

.SD

）或多个列（使用

.SDcols

选择）上应用函数：

以下操作也可用于选择名称中带有“x”的所有列：

dt[, c(lapply(.SD, sum), vessel=uniqueN(vessel)),
    by=Year,
    .SDcols=grepl("^x", names(dt))
]

---

我不太明白你的问题，但是你想对grep做什么可以用这样的方法解决

dt <- data.frame(x.1=1:8, x.2=1:8, x.3=2:9, vessel=rep(letters[1:2], each=4), Year=rep(2012:2015, 2))
dt
dt[unlist(lapply(colnames(dt),function(v){grepl("x",v)}))]

---

dt如果你真的需要它来提高效率：

> dt[, .SD
     ][, .N, .(vessel, Year)
     ][, .N, .(Year)
     ][, copy(dt)[.SD, vessels := i.N, on='Year']
     ][, vessel := NULL
     ][, melt(.SD, id.vars=c('Year', 'vessels'))
     ][, .(value=sum(value)), .(Year, vessels, variable)
     ][, dcast(.SD, ... ~ variable, value.var='value')
     ][, setcolorder(.SD, c(setdiff(colnames(.SD), 'vessels'), 'vessels'))
     ][order(Year)
     ]

   Year x.1 x.2 x.3 vessels
1: 2012   6   6   8       2
2: 2013   8   8  10       2
3: 2014  10  10  12       2
4: 2015  12  12  14       2
> 

如果你有很多列要聚合，那么考虑使用<代码> MELTER（）/CUD>重新编译数据，并使用<代码> dCaster（）/<代码>：
聚合可能是值得的。
最后需要使用联接来追加：

提示

measure.vars
参数到
melt（）
允许定义/选择/限制相关度量列
dcast（）
的
子集
参数允许选择特定的测量变量或排除
您可以在
dcast（）中使用多个聚合函数


这样可以做一些奇特的事情，如：

dcast(molten, Year ~ variable, list(mean, sum, max), subset = .(variable == "x.2")
      )[dt[, .(vessels = uniqueN(vessel)), Year], on = "Year"]
#   Year value_mean_x.2 value_sum_x.2 value_max_x.2 vessels
#1: 2012              3             6             5       2
#2: 2013              4             8             6       2
#3: 2014              5            10             7       2
#4: 2015              6            12             8       2

我认为
.SDcols
无疑是这里的关键，但我认为
dt[，c（lappy（.SD，sum），船只=uniqueN（船只）），by=Year，.SDcols=grepl（“^x”，names（dt））]
可能给出OP的确切结果requested@thelatemail请作为答案发布，然后我会接受：）仅供参考，
grep（patt，x，value=TRUE）
应该给出与
x[grep（patt，x）]相同的答案。
我根据最近的邮件建议更正了答案@在最近的邮件中，如果你想获得学分，请随意发布你自己的答案。@Stefan-一切都好-我已经有很多虚构的互联网点：-）为了节省打字时间，你可以按年写
by
而不是按年写
by=list（Year=dt$Year）
。这避免了对
dt
@UweBlock的双重引用。如果需要更多的by，则by=列表（Year=dt$Year）更容易扩展该函数。但我将删除dt$。
> dt[, .SD
     ][, .N, .(vessel, Year)
     ][, .N, .(Year)
     ][, copy(dt)[.SD, vessels := i.N, on='Year']
     ][, vessel := NULL
     ][, melt(.SD, id.vars=c('Year', 'vessels'))
     ][, .(value=sum(value)), .(Year, vessels, variable)
     ][, dcast(.SD, ... ~ variable, value.var='value')
     ][, setcolorder(.SD, c(setdiff(colnames(.SD), 'vessels'), 'vessels'))
     ][order(Year)
     ]

   Year x.1 x.2 x.3 vessels
1: 2012   6   6   8       2
2: 2013   8   8  10       2
3: 2014  10  10  12       2
4: 2015  12  12  14       2
> 

molten <- melt(dt, id.vars = c("Year", "vessel"))

molten
#    Year vessel variable value
# 1: 2012      a      x.1     1
# 2: 2013      a      x.1     2
# 3: 2014      a      x.1     3
# 4: 2015      a      x.1     4
# 5: 2012      b      x.1     5
# ...
#19: 2014      a      x.3     4
#20: 2015      a      x.3     5
#21: 2012      b      x.3     6
#22: 2013      b      x.3     7
#23: 2014      b      x.3     8
#24: 2015      b      x.3     9
#    Year vessel variable value

dcast(molten, Year ~ variable, sum)
#   Year x.1 x.2 x.3
#1: 2012   6   6   8
#2: 2013   8   8  10
#3: 2014  10  10  12
#4: 2015  12  12  14 

dt[, .(vessels = uniqueN(vessel)), Year]
#   Year vessels
#1: 2012       2
#2: 2013       2
#3: 2014       2
#4: 2015       2

dcast(molten, Year ~ variable, sum)[dt[, .(vessels = uniqueN(vessel)), Year], on = "Year"]
#   Year x.1 x.2 x.3 vessels
#1: 2012   6   6   8       2
#2: 2013   8   8  10       2
#3: 2014  10  10  12       2
#4: 2015  12  12  14       2

dcast(molten, Year ~ variable, list(mean, sum, max), subset = .(variable == "x.2")
      )[dt[, .(vessels = uniqueN(vessel)), Year], on = "Year"]
#   Year value_mean_x.2 value_sum_x.2 value_max_x.2 vessels
#1: 2012              3             6             5       2
#2: 2013              4             8             6       2
#3: 2014              5            10             7       2
#4: 2015              6            12             8       2