unique.data.table选择最后一行代替第一行

时间:2013-07-10 21:28:36

标签: r data.table

在键入的unique上调用data.table,每个组都有唯一的行。如果是重复的行,则将采用第一行。当我需要取最后一个(通常是最后一个时间事务)时,我使用.SD[.N]

library(data.table)
library(microbenchmark)

dt <- data.table(id=sample(letters, 10000, T), var=rnorm(10000), key="id")

microbenchmark(unique(dt), dt[, .SD[.N], by=id])
Unit: microseconds
                   expr      min        lq    median       uq        max neval
             unique(dt)  570.882  586.1155  595.8975  608.406   3209.122   100
 dt[, .SD[.N], by = id] 6532.739 6637.7745 6694.3820 6776.968 208264.433   100

你知道更快的方法吗?

3 个答案:

答案 0 :(得分:8)

创建一个data.table,其中包含关键变量的唯一组合,然后使用mult = 'last'加入

使用.SD很方便,但很慢。如果您愿意,可以使用.I代替。

dtu <- unique(dt)[,key(dt), with = FALSE]
dt[dtu, mult = 'last']

或者

 dt[ dt[,  .I[.N], by = key(dt)]$V1]

答案 1 :(得分:3)

data.table v1.9.4开始,您可以使用fromLast = TRUE

microbenchmark(unique(dt, by = "id"), 
               dt[, .SD[.N], by=id], 
               unique(dt, by = "id", fromLast = TRUE))

Unit: microseconds
                                   expr     min       lq     mean   median       uq      max neval cld
                  unique(dt, by = "id") 333.978 355.1900 406.1585 371.1360 393.4015 3203.769   100  a 
                 dt[, .SD[.N], by = id] 519.320 541.4345 580.2176 553.6200 563.5490 2690.167   100   b
 unique(dt, by = "id", fromLast = TRUE) 338.190 366.4725 430.1296 380.9145 400.7730 4774.663   100  a 

答案 2 :(得分:0)

这是另一种选择,虽然它看起来比@mnel的答案略慢,至少对于这个例子而言。

dt[,list(var,RN=.N:1),by=id][RN==1L]