r data.table：聚合分组列不一致

Question

我正在使用 data.table 包来聚合一个列，该列也是一个分组列。但结果不是我所期望的。

my_data =  data.table(contnt=c("america", "asia", "asia","europe", "europe", "europe"), num= 1:6)

#my_data
#contnt  num
#america  1
#asia     2
#asia     3
#europe   4
#europe   5
#europe   6

my_data[, length(contnt),by=contnt]
#contnt  V1
#america  1
#asia     1
#europe   1

当我聚合一个列而不是分组列时，它的工作方式不同

my_data[, length(num),by=contnt]
#contnt  V1
#america  1
#asia     2
#europe   3

造成这种差异的原因是什么？

Answer 1

这是一个很好的例子，展示了 data.table 将分组变量与其他变量传递给函数的方式：

my_data[,print(contnt),by=contnt]
# [1] "america"
# [1] "asia"
# [1] "europe"

my_data[,print(num),by=contnt]
# [1] 1
# [1] 2 3
# [1] 4 5 6

基本上，分组变量作为每个组的长度为 1 的向量传递，而对于其他变量，每个组的整个向量都被传递。

Answer 2

请学习data.table FAQ：

在每个组内，为什么组变量长度为1？

[...] x 是一个分组变量，（从 v1.6.1 开始）长度为 1（如果在 j 中检查或使用）。这是为了效率和方便。 [...]

如果您需要当前组的大小，请使用.N 而不是在任何列上调用length()。