Question

我有非常大的data.table，我想以这种方式减少：

只有一个唯一ID
如果同一个日志中存在除“X”之外的任何其他数据，则该另一个数据应保留
如果只有X，那么第一个X应该保留
如果除了“X”之外还有不止一个，那么所有这些都应该留下来，用逗号分隔，但不能用“X”分隔。

示例数据集：

library(data.table)
dt <- data.table(
    id=c(1,1,2,3,3,4,4,4,5,5),
    log=c(11,11,11,12,12,12,12,12,13,13),
    art=c("X", "Y", "X", "X", "X", "Z", "X", "Y","X", "X")
  )
dt
id log art
1:  1  11   X
2:  1  11   Y
3:  2  11   X
4:  3  12   X
5:  3  12   X
6:  4  12   Z
7:  4  12   X
8:  4  12   Y
9:  5  13   X
10: 5  13   X

必需的输出：

 id    log  art    
  1     11   Y    
  2     11   Y
  3     12   Z,Y
  4     12   Z,Y
  5     13   X

Answer 1

这是一种方法，尽管可能有更有效的方法。

unique(dt[,.(id, log)])[dt[, .(art=if(.N == 1 | all(art == "X"))
                                      art[1] else toString(unique(art[art != "X"]))),
                           by=log], on="log"]

返回

   id log  art
1:  1  11    Y
2:  2  11    Y
3:  3  12 Z, Y
4:  4  12 Z, Y
5:  5  13    X

通过每个日志执行所需艺术值的左连接到唯一ID和日志对。这假设没有ID跨越两个日志，这是示例中的情况。

Answer 2

我们可以尝试

dt[,  .(art = if(all(art=="X")) "X" else 
     toString(unique(art[art != "X"]))), .(id, logbld = log)]
#    id logbld  art
#1:  1     11    Y
#2:  2     11    X
#3:  3     12    X
#4:  4     12 Z, Y
#5:  5     13    X

Answer 3

只是想通过 printf("%s", cards[*y]); 来尝试：

dplyr

数据表中的条件排序

3 个答案: