我有一个超过130 000行的data. table。
我想通过变量id对两个对象进行分组：日期和进度，并将值放入向量中，因此我使用了聚合（）。
df_agr <- aggregate(cbind(progress, dates) ~ id, data = df_test, FUN = c)
但是，聚合数据大约需要52秒，我丢失了来自col日期的日期格式。
数据框的示例：
id dates progress
1: 3505H6856 2003-07-10 yes
2: 3505H6856 2003-08-21 yes
3: 3505H6856 2003-09-04 yes
4: 3505H6856 2003-10-16 yes
5: 3505H67158 2003-01-14 yes
6: 3505H67158 2003-02-18 yes
7: 3505H67862 2003-03-06 yes
8: 3505H62168 2003-04-24 no
9: 3505H62168 2003-05-15 yes
10: 3505H65277 2003-02-11 yes
我得到的结果是：
id progress dates
1 3505H62168 1, 2 5, 6
2 3505H65277 2 2
3 3505H67158 2, 2 1, 3
4 3505H67862 2 4
5 3505H6856 2, 2, 2, 2 7, 8, 9, 10
我很惊讶地看到一切都在转换为整数似乎包含“独立”向量的每一行实际上都是列表中的向量：
'data.frame': 5 obs. of 3 variables:
$ id : chr "3505H62168" "3505H65277" "3505H67158" "3505H67862" ...
$ progress:List of 5
..$ 1: int 1 2
..$ 2: int 2
..$ 3: int 2 2
..$ 4: int 2
..$ 5: int 2 2 2 2
$ dates :List of 5
..$ 1: int 5 6
..$ 2: int 2
..$ 3: int 1 3
..$ 4: int 4
..$ 5: int 7 8 9 10
我试图用正确的格式转换回日期：
lapply(df_agr$dates, function(x) as.Date(x, origin="1970-01-01"))
但是我得到了：
$`1`
[1] "1970-01-06" "1970-01-07"
$`2`
[1] "1970-01-03"
$`3`
[1] "1970-01-02" "1970-01-04"
$`4`
[1] "1970-01-05"
$`5`
[1] "1970-01-08" "1970-01-09" "1970-01-10" "1970-01-11"
所以似乎起源不是"1970-01-01"，因为它写在留档中，也许是数据中的最低日期？
所以我的问题是：如何在保持日期格式的同时，用data. table得到相同的结果？
所以这意味着如何使用data. table按唯一id分组。我尝试过：
setDT(df)[,list(col1 = c(progress), col2 = c(dates)), by = .(unique(id))]
但是当然我得到了以下错误：
[. data.table中的错误（df，，list（col1=c（进度），col2=c（日期）），：'by'或'keyby'列表中的项目是长度（5）。每个必须与x中的行或i（10）返回的行数相同。
数据：
structure(list(id = c("3505H6856", "3505H6856", "3505H6856",
"3505H6856", "3505H67158", "3505H67158", "3505H67862", "3505H62168",
"3505H62168", "3505H65277"), dates = structure(c(12243, 12285,
12299, 12341, 12066, 12101, 12117, 12166, 12187, 12094), class = "Date"),
progress = c("yes", "yes", "yes", "yes", "yes", "yes", "yes",
"no", "yes", "yes")), .Names = c("id", "dates", "progress"
), class = c("data.frame"), row.names = c(NA, -10L
))
你可以使用paste0我认为如下所示，你需要将日期更改为字符，这样它就不会转换为数字对应物，运行下面的查询而不将日期转换为数字会给你像，12166,12187这样的值。在你的查询中，你也使用“c”来组合对象，但是我们应该使用粘贴来组合，当你使用时，也在data. table中。（id）in by它应该给你唯一的值，除非你的查询有一些东西没有使事情变得独特，例如，在这种情况下，如果你避免折叠语句，你将不会得到ID上的唯一键，我希望这是有帮助的。谢谢：
df_agr <- aggregate(cbind(progress, as.character(dates)) ~ id, data = df, FUN = paste0)
> df_agr
id progress V2
1 3505H62168 no, yes 2003-04-24, 2003-05-15
2 3505H65277 yes 2003-02-11
3 3505H67158 yes, yes 2003-01-14, 2003-02-18
4 3505H67862 yes 2003-03-06
5 3505H6856 yes, yes, yes, yes 2003-07-10, 2003-08-21, 2003-09-04, 2003-10-16
>
使用data. table：
setDT(df)[,.(paste0(progress,collapse=","), paste0(as.character(dates),collapse=",")), by = .(id)]
id V1 V2
1: 3505H6856 yes,yes,yes,yes 2003-07-10,2003-08-21,2003-09-04,2003-10-16
2: 3505H67158 yes,yes 2003-01-14,2003-02-18
3: 3505H67862 yes 2003-03-06
4: 3505H62168 no,yes 2003-04-24,2003-05-15
5: 3505H65277 yes 2003-02-11
或者只是指出由大卫Arenberg，更容易的方式在data. table是，感谢宝贵的意见：
setDT(df)[, lapply(.SD, toString), by = id]
dplyr版本。
library(dplyr)
df %>%
group_by(id) %>%
summarize (progress = paste(progress, collapse=","),
dates = paste(dates, collapse=",") )
# id progress dates
# <chr> <chr> <chr>
# 1 3505H62168 no,yes 2003-04-24,2003-05-15
# 2 3505H65277 yes 2003-02-11
# 3 3505H67158 yes,yes 2003-01-14,2003-02-18
# 4 3505H67862 yes 2003-03-06
# 5 3505H6856 yes,yes,yes,yes 2003-07-10,2003-08-21,2003-09-04,2003-10-16
