Question

我最近开始在R中使用data.table包，但我最近偶然发现了一个我不知道如何处理data.table的问题。

示例数据：

set.seed(1)
library(data.table)
dt = data.table(group=c("A","A","A","B","B","B","C","C"),value = runif(8))

我可以使用语句

添加组计数

dt[,groupcount := .N ,group]

但现在我只想让x组保持groupcount的最大值。我们假设x=1 为示例。

我尝试按如下方式进行链接：

dt[,groupcount := .N ,group][groupcount %in% head(sort(unique(groupcount),decreasing=TRUE),1)]

但是由于A组和B组都有三个元素，它们都保留在data.table中。我只想要x = 1的x个最大的组，所以我只想要保留其中一个组（A或B）。我假设这可以使用data.table在一行中完成。这是真的，如果是的话，怎么样？

澄清： x是一个任意选择的数字。该函数也适用于x = 3，它将返回3个最大的组。

Answer 1

这是一个使用连接的方法。

x <- 1

dt[dt[, .N, by=group][order(-N)[1:x]], on="group"]
   group     value N
1:     A 0.2655087 3
2:     A 0.3721239 3
3:     A 0.5728534 3

聚合内部data.frame以计算观察值，并使用{x}的值使用order子集检索x个最大组的位置。然后，生成的数据框将按组连接到原始数据框上。

Answer 2

我们可以做到

x <- 1
dt[dt[, {tbl <- table(group)
         nm <- names(tbl)[tbl==max(tbl)]
        if(length(nm) < x) rep(TRUE, .N)
        else group %in% sample(names(tbl)[tbl==max(tbl)], x)}]]

Answer 3

如何使用groupcount

的顺序

setorder(dt, -groupcount)

x <- 1   
dt[group %in% dt[ , unique(group)][1:x] ]

#   group     value groupcount
# 1:     A 0.2655087          3
# 2:     A 0.3721239          3
# 3:     A 0.5728534          3


x <- 3
dt[group %in% dt[ , unique(group)][1:x] ]


#     group     value groupcount
# 1:     A 0.2655087          3
# 2:     A 0.3721239          3
# 3:     A 0.5728534          3
# 4:     B 0.9082078          3
# 5:     B 0.2016819          3
# 6:     B 0.8983897          3
# 7:     C 0.9446753          2
# 8:     C 0.6607978          2

## alternative syntax
# dt[group %in% unique(dt$group)[1:x] ]

仅使用data.table保留x个最大的组

3 个答案: