假设我有以下数据：
dt <- data.table(x=1:5, y=c(1,1,2,2,1), y.z=c(1,1,2,2,3))
我喜欢按y.z分组。 dt的构建方式是，对于每个不同的y.z组，y的所有值都应相等。我想要的结果数据表是x的总和，以及每组'y.z'的唯一1值y
因此，有两种方法可以满足我的需求：
dt[,list(x=sum(x), y=y[1]), by=y.z]
dt[,list(x=sum(x)), by=list(y.z, y)]
# it might have performance drawback, but I assume it is minor.
由于我的懒惰，通常我会选择第二种方式，如果y类型的参数列表很长，它可以节省一些输入。即写list(y.z, y1, y2, y3,...)而不是y1=y1[1], y2=y2[1], y3=y3[1], ...
但是，我不太确定这是不是一个好习惯。特别是如果y中出现一些错误，以致每个组都不相同，我的方法不会触发任何错误，因此问题不会自动检测到。
最好自定义这样的功能吗？
dt[,list(x=sum(x), y=assert.identical(y)]), by=y.z]
因此，如果y仅包含1个唯一值，则返回标量，否则可触发异常。但是，自定义函数应用起来有点不方便，因为它需要输入的内容甚至超过y=y[1]。
我每天都遇到这种困境，无论是在R还是在SQL中，两者都无法治愈。人们在面对时通常会做些什么？
答案 0 :(得分：1)
unique.data.table有by个参数，而.SD只是data.table。
将它们组合在一起可以执行以下操作：
dt[,list(x= unique(.SD[, sum(x)], by=c("y1","y2", "y3")), by=y.z]
请注意，unique中的by必须是字符串向量（列的名称）。这与by）
[.data.table的要求不同