R 使用data.table分组时，如何保留输入数据中未出现的变量组合？

使用软件包，是否可以对输入中未出现的变量的数据保存组合进行汇总

对于package，我知道如何使用.drop参数执行此操作，例如：

require(plyr)
df <- data.frame(categories = c(rep("A",3), rep("B",3), rep("C",3)), groups = c(rep(c("X", "Y"),4), "Z"), values = rep(1, 9))

df1 <- ddply(df, c("categories","groups"), .drop = F, summarise, sum = sum(values))

---

在这种情况下，我保留所有组/类别组合，即使其总和为0

好问题。这里有两种方法。他们两人都用而不用

DT = as.data.table(df)
setkey(DT,categories,groups)
DT[CJ(unique(categories),unique(groups)), sum(values,na.rm=TRUE)]

   categories groups V1
1:          A      X  2
2:          A      Y  1
3:          A      Z  0
4:          B      X  1
5:          B      Y  2
6:          B      Z  0
7:          C      X  1
8:          C      Y  1
9:          C      Z  1

其中，

CJ

表示交叉连接，请参见

？CJ

。而不只是意味着

j

在

i

的每一行加入的每个组上执行

令人钦佩的是，乍一看它看起来很棘手。其思想是，如果您有一个已知的组子集，那么这种语法比将所有内容分组然后仅从中选择所需的结果要快。但在这种情况下，您无论如何都会喜欢所有内容，因此除了能够查找数据中不存在的组（您不能通过使用

）之外，没有什么好处

另一种方法是先按

正常方式进行

，然后将
CJ（）
结果加入到该结果中：

DT[,sum(values),keyby='categories,groups'][CJ(unique(categories),unique(groups))]
   categories groups V1
1:          A      X  2
2:          A      Y  1
3:          A      Z NA
4:          B      X  1
5:          B      Y  2
6:          B      Z NA
7:          C      X  1
8:          C      Y  1
9:          C      Z  1

但是你得到的是NA而不是期望的0。如果需要，可以使用
set（）
替换这些。第二种方法可能更快，因为两个
unique
调用的输入要小得多

如果您经常这样做，这两种方法都可以包装成小的辅助函数。
第一种方法不再有效（我正在运行data.table 1.12版）。第二个选项是CJ的唯一选项：
CJ（类别、组、唯一=真）
DT[,sum(values),keyby='categories,groups'][CJ(unique(categories),unique(groups))]
   categories groups V1
1:          A      X  2
2:          A      Y  1
3:          A      Z NA
4:          B      X  1
5:          B      Y  2
6:          B      Z NA
7:          C      X  1
8:          C      Y  1
9:          C      Z  1