Question

我想要总结data.table。它看起来像是：

> DF
          new_src action
 1: cdn.adnxs.com      1
 2: cdn.adnxs.com      1
 3: cdn.adnxs.com      1
 4: cdn.adnxs.com      3
 5:   s1.2mdn.net      1
 6: cdn.adnxs.com      3
 7: cdn.adnxs.com      3
 8: cdn.adnxs.com      3
 9: cdn.adnxs.com      3
10: cdn.adnxs.com      3

我希望按new_src汇总，按action查找最高出现次数，计算频率，打印此action，打印总数。我可以使用ddply在table中执行此操作，并重用ddply中的变量，因此我不需要多次运行table。我需要在data.table中执行此操作，但我无法重复使用table结果，我必须运行table两次。

实施例。这有效：

DF = structure(list(new_src = c("cdn.adnxs.com", "cdn.adnxs.com", 
                                "cdn.adnxs.com", "cdn.adnxs.com", "s1.2mdn.net", "cdn.adnxs.com", 
                                "cdn.adnxs.com", "cdn.adnxs.com", "cdn.adnxs.com", "cdn.adnxs.com"), action = c("1", "1", "1", "3", "1", "3", "3", "3", "3", "3")), .Names = c("new_src", "action"), class = c("data.table", "data.frame"), row.names = c(NA, -10L))

dt = DF[1:10,by=list(new_src),list(tb = sort(table(action),decreasing=T)[1], nm = names(sort(table(action),decreasing=T)[1]),tot = .N)]
View(dt)

ddpl = ddply(DF,.(new_src),summarize,tb = sort(table(action),decreasing=T)[1], nm = names(tb), tot = length(new_src))
View(ddpl)

这不是。

dt = DF[1:10,by=list(new_src),list(tb = sort(table(action),decreasing=T)[1], nm = names(tb),tot = .N)]

是否可以使用data.table？感谢

Answer 1

我想你想要.N：

DF[, .N, by=.(new_src, action)][
  order(-N), .(topv = action[1], topn = N[1], n = sum(N)), by=new_src]

         new_src topv topn n
1: cdn.adnxs.com    3    6 9
2:   s1.2mdn.net    1    1 1

要处理关系，请向order(-N, ...)添加更多参数。

而不是链接by=，嵌套是另一种选择：

DF[, .SD[, .N, by=action][order(-N), c(.SD[1], .(totn = sum(.N)))], by=new_src]

         new_src action N totn
1: cdn.adnxs.com      3 6    2
2:   s1.2mdn.net      1 1    1

但是，我发现它更难以遵循;它可能会慢一些，因为j = .N is optimized。

R：data.table中的聚合和重用变量

1 个答案: