带有两个分组变量的r data.table中的条件计数

Question

我有一个data.table，其中我有多个分组的记录。我想计算两个变量属于同一组的记录数，其中分组变量可能包含一些NA。

以下示例数据：

library(data.table)

mydt <- data.table(id = c(1,2,3,4,5,6), 
                   travel = c("no travel", "morocco", "algeria", 
                              "morocco", "morocco", NA), 
                   cluster = c(1,1,1,2,2,2))

> mydt
   id    travel cluster
1:  1 no travel       1
2:  2   morocco       1
3:  3   algeria       1
4:  4   morocco       2
5:  5   morocco       2
6:  6      <NA>       2

在上面的例子中，我想计算按群集到达每个目的地的人数。

最初我使用.N表示法执行此操作，如下所示：

mydt[, ndest1 := as.double(.N), by = c("cluster", "travel")]

> mydt
   id    travel cluster ndest1
1:  1 no travel       1     1
2:  2   morocco       1     1
3:  3   algeria       1     1
4:  4   morocco       2     2
5:  5   morocco       2     2
6:  6      <NA>       2     1

但是，NAs被视为一个值 - 这对我的目的来说效果不好，因为我后来想要使用max(...)确定大多数人前往的每个群集中的哪个目的地（上面的群集2中的摩洛哥），如果有很多在给定群集中的NA，“NA”将被错误地标记为最受欢迎的目的地。

然后我尝试使用sum()，因为这是直观的，也允许我排除NA：

mydt[, ndest2 := sum(!is.na(travel)), by = c("cluster", "travel")]

> mydt
   id    travel cluster ndest1 ndest2
1:  1 no travel       1      1      1
2:  2   morocco       1      1      1
3:  3   algeria       1      1      1
4:  4   morocco       2      2      1
5:  5   morocco       2      2      1
6:  6      <NA>       2      1      0

这给出了不正确的结果 - 经过一些进一步的测试后，似乎是因为我在sum(...)中使用了相同的变量作为by语句中的分组变量之一。

当我使用不同的变量时，我得到了所需的结果，除了我无法以这种方式排除NA：

mydt[, ndest3 := sum(!is.na(id)), by = c("cluster", "travel")]

> mydt
   id    travel cluster ndest1 ndest2 ndest3
1:  1 no travel       1      1      1      1
2:  2   morocco       1      1      1      1
3:  3   algeria       1      1      1      1
4:  4   morocco       2      2      1      2
5:  5   morocco       2      2      1      2
6:  6      <NA>       2      1      0      1

这引出了两个问题：

1. 在data.table条件计数中，如何排除NA？
2. 为什么在sum逻辑语句中不能使用相同的变量，在qazxsw poi之后作为分组变量？

任何见解都将非常感激。

Answer 1

你可以在by中排除NAs

i