在R data.table

Question

我有两个data.table s：

1. 从k中提取最高group的值。
2. 从group到k值的映射，以便为group选择。
当k不按群组变化时，

how to find the top N values by group or within category (groupwise) in an R data.frame会解决此问题。我怎样才能做到这一点？这是样本数据和期望的结果：

值：

(dt <- data.table(id=1:10,
                  group=c(rep(1, 5), rep(2, 5))))
#     id group
#  1:  1     1
#  2:  2     1
#  3:  3     1
#  4:  4     1
#  5:  5     1
#  6:  6     2
#  7:  7     2
#  8:  8     2
#  9:  9     2
# 10: 10     2

从group到k的映射：

(group.k <- data.table(group=1:2, 
                       k=2:3))
#    group k
# 1:     1 2
# 2:     2 3

所需result，其中应包括group 1中的前两个记录和group 2中的前三个记录：

(result <- data.table(id=c(1:2, 6:8),
                      group=c(rep(1, 2), rep(2, 3))))
#    id group
# 1:  1     1
# 2:  2     1
# 3:  6     2
# 4:  7     2
# 5:  8     2

合并后将solution应用于上述链接的问题会返回以下错误：

merged <- merge(dt, group.k, by="group")
(result <- merged[, head(.SD, k), by=group])
# Error: length(n) == 1L is not TRUE

Answer 1

我宁愿这样做：

dt[group.k, head(.SD, k), by=.EACHI, on="group"]

因为很清楚看到预期的操作是什么。 j当然可以是.SD[1:k]。在下一个版本中，这两个表达式很可能（进一步）优化（速度）。

有关by=.EACHI的详细说明，请参阅this post，直到我们将这些小插图包装好。

Answer 2

在k合并group之后，可以采用与https://stackoverflow.com/a/14800271/1840471解决方案类似的方法，只需unique即可避免length(n)错误：

merged <- merge(dt, group.k, by="group")
(result <- merged[, head(.SD, unique(k)), by=group])
#    group id k
# 1:     1  1 2
# 2:     1  2 2
# 3:     2  6 3
# 4:     2  7 3
# 5:     2  8 3