按组分组的模态值（最常见）的简明R data.table语法

Question

什么是高效优雅的data.table语法，用于查找每个ID的最常见类别？我保留一个布尔矢量来指示NA位置（用于其他目的）

dt = data.table(id=rep(1:2,7), category=c("x","y",NA))
print(dt)

在此玩具示例中，忽略NA，x是id==1的常见类别，y是id==2。

Answer 1

如果您想忽略NA，则必须先使用!is.na(category)，id分组category和by = .(id, category)（{{1} }）并使用.N：

创建频率变量

 dt[!is.na(category), .N, by = .(id, category)]

给出：

   id category N
1:  1        x 3
2:  2        y 3
3:  2        x 2
4:  1        y 2

通过id对此进行排序，可以让您获得更清晰的信息：

 dt[!is.na(category), .N, by = .(id, category)][order(id)]

导致：

   id category N
1:  1        x 3
2:  1        y 2
3:  2        y 3
4:  2        x 2

如果您只想要指示最佳结果的行：

dt[!is.na(category), .N, by = .(id, category)][order(id, -N), head(.SD,1), by = id]

或：

dt[!is.na(category), .N, by = .(id, category)][, .SD[which.max(N)], by = id]

两者都给出了：

   id category N
1:  1        x 3
2:  2        y 3