作者：黄天元，复旦大学博士在读，热爱数据科学与开源工具（R），致力于利用数据科学迅速积累行业经验优势和科学知识发现，涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等，著有《R语言数据高效处理指南》。知乎专栏：R语言数据挖掘。邮箱：huang.tian-yuan@qq.com.欢迎合作交流。
分组汇总是常用功能之一，dplyr中有summarise函数，经常配合group_by来使用。既然如此，为何不直接送给summarise一个by参数呢？
既然tidyfst是自己的工具，就自己做主，现在我们宣布，summarise_dt中有by参数，如果不设置就跟dplyr的summarise一样用，但是设置了就可以直接在内部进行汇总计算。举个例子：
library(tidyfst)
#>
#> Life's short, use R.
mtcars %>% summarise_dt(avg = mean(hp))
#> avg
#> <num>
#> 1: 146.6875
mtcars %>% summarise_dt(avg = mean(hp),by = .(cyl,vs))
#> cyl vs avg
#> <num> <num> <num>
#> 1: 6 0 131.6667
#> 2: 4 1 81.8000
#> 3: 6 1 115.2500
#> 4: 8 0 209.2143
#> 5: 4 0 91.0000上面例子中，我们可以看到，by参数可以设置分组。需要把分组结果放在一点加括号中，这其实是data.table的简化表达法，它相当于放在一个列表（list）中。所以也可以这样表达：
mtcars %>% summarise_dt(avg = mean(hp),by = list(cyl,vs))谈到分组问题，因为汇总函数经常需要分组，所以给了by参数，但是其他的函数都没有给。如果需要分组来进行计算，那么就需要使用group家族。group家族非常灵活，能够对任意的操作进行分组操作，与dplyr不同的是，它从来不需要ungroup来取消分组。比如，我们如果想要完成上面的操作，还可以使用group_dt来做：
mtcars %>%
group_dt(
by = .(cyl,vs),
summarise_dt(avg = mean(hp))
)它是可以使用管道操作的，比如我们汇总后再给avg变量限制保留2位小数：
mtcars %>%
group_dt(
by = .(cyl,vs),
summarise_dt(avg = mean(hp)) %>%
mutate_dt(avg = round(avg,2))
)
#> cyl vs avg
#> <num> <num> <num>
#> 1: 6 0 131.67
#> 2: 4 1 81.80
#> 3: 6 1 115.25
#> 4: 8 0 209.21
#> 5: 4 0 91.00只要在group_dt中的操作，都是按照cyl和vs进行分组后的组内操作。data.table的分组计算快是得到很多实证的事实，而tidyfst则允许用户在保留高可读性的情况下轻松地使用这种分组汇总操作。
后面考虑到，有的时候大家还是习惯使用group_by，因此又设计了一个函数，这是因为我发现分组操作与data.table给key先分组排序后计算的特征具有很高的相性。这不仅仅在明面上告诉大家如何分组，而且在底层先经过排序，分组计算也就更加快速。这里举个例子展示如何实现：
mtcars %>%
group_by_dt(cyl,vs) %>% # 给数据分组，实质是根据cyl和vs进行升序排序（data.table中标key）
group_exe_dt( # 根据所标志的键值key进行分组计算
summarise_dt(avg = mean(hp)) %>%
mutate_dt(avg = round(avg,2))
)
#> cyl vs avg
#> <num> <num> <num>
#> 1: 4 0 91.00
#> 2: 4 1 81.80
#> 3: 6 0 131.67
#> 4: 6 1 115.25
#> 5: 8 0 209.21
exe就是按照之前分组来执行计算的意思，先分组排序后执行，可以提高运算的效率。
至此，如果dplyr再不优化，tidyfst在这一点的特性上已经超越了它。当然，这都归功于data.table的高性能。dtplyr也可以分组计算，但是它们能够支持的函数实在太有限，而tidyfst的group家族受益于data.table的灵活特性，对于后面管道上要使用的函数没有任何限制。
后，欢迎大家在GitHub上给我打星星：
https://github.com/hope-data-science/tidyfst
