Question

我是data.table的新手，但我已经设法将数600万行的数据集中的计算从数千秒（使用* ply循环）减少到1.7秒。基本上我需要在组和开始的组中类列中具有最低值的行。我正在使用

DT[, list(class=min(class)), by=list(group, start)]

但是为了做到这一点，我创建了DT，只有来自data.frame的这3列有更多列。因此，要将我的结果与原始data.frame合并，我正在考虑使用row.name，因此我使用 row.name = TRUE 创建了DT，这是我所拥有的示例：

   group   start     class     rn
 1:  A      4943         4      1
 2:  A      5030         0      2
 3:  A      5030         4      3
 4:  A      5030         2      4
 5:  A      5083         4      5
 6:  A      5083         3      6
 7:  B      5041         0      7
 8:  B      5041         1      8
 9:  B      5083         4      9
 ...

我想要的结果只是对应于minimium class 值的 rn ：

   group   start     class     rn
 1:  A      4943         4      1
 2:  A      5030         0      2
 3:  A      5083         3      6
 4:  B      5041         0      7
 5:  B      5083         4      9
 ...

但如果我使用：

DT[, list(class=min(class)), by=list(group, start, rn)]

或

DT[, list(class=min(class), rn), by=list(group, start)]

我获取了所有行，而不仅仅是 class 最小的行。

额外问题

我可以使用data.table sintax使用我的命令计算组中每个类类型的情况吗？

   group   start     class     rn    class0    class1    class2    class3    class4
 1:  A      4943         4      1         0         0         0         0         1
 2:  A      5030         0      2         1         0         1         0         1
 3:  A      5083         3      6         0         0         0         1         1
 4:  B      5041         0      7         1         1         0         0         0
 5:  B      5083         4      9         0         0         0         0         1
 ...

Answer 1

对于您的第一个问题，您基本上是在每个组上调用min。这不是必需的。如果您对列class进行排序（通过设置key），则可以使用mult="first"功能直接选择最小的元素。也就是说，

setkey(dt, group, start, class)
dt[CJ(unique(group), unique(start)), mult="first", nomatch=0]
   group start class rn
1:     A  4943     4  1
2:     A  5030     0  2
3:     A  5083     3  6
4:     B  5041     0  7
5:     B  5083     4  9

或者如果你不想在这里使用CJ，那么你可以这样做：

setkey(dt, group, start, class)
dt[, list(class=class[1], rn=rn[1]), by=list(group, start)]

编辑2：

这是一个完整的答案：

dt.out <- dt[, c(list(class = class[1], rn=rn[1]), 
       {tt <- rep(0,5); tt[class+1] <- 1; as.list(tt)}), by=list(group, start)]
setnames(dt.out, 5:9, paste0("Class", 0:4))

   group start class rn Class0 Class1 Class2 Class3 Class4
1:     A  4943     4  1      0      0      0      0      1
2:     A  5030     0  2      1      0      1      0      1
3:     A  5083     3  6      0      0      0      1      1
4:     B  5041     0  7      1      1      0      0      0
5:     B  5083     4  9      0      0      0      0      1

在使用data.table进行分组后获取row.name

1 个答案: