Question

示例数据：

dt = data.table(a=c(10,20,30,40),b=c(40,30,20,10),c=c(0,0,1,1))
rank_a = dt[,rank(a)]
rank_a

[1] 1 2 3 4

这会返回我想要的内容。但是，如果我添加一个by语句，

rank_a = dt[,rank(a),by=c]

...然后它返回一个完整的数据框，包括by列“c”，而不仅仅是我想要的答案。

如何解决此问题？

Answer 1

删除一个或多个＆＃34; by＆＃34;的通用解决方案列可以使用mget +链接：

dt = data.table(a=c(10,20,30,40),b=c(40,30,20,10),c=c(0,0,1,1),d=c(0,0,0,1))
dt
#     a  b c d
# 1: 10 40 0 0
# 2: 20 30 0 0
# 3: 30 20 1 0
# 4: 40 10 1 1

by.cols = c("c", "d")

# group by one or multiple columns without returning the "group by" columns
# (includes code of @Frank now, see comment)
dt[, .(rank=rank(a)),by = by.cols] [, -(1:length(by.cols))]
#    rank
# 1:    1
# 2:    2
# 3:    1
# 4:    1
#
# OLD code (before including the code snippets from @Frank)
# dt[, .(rank = rank(a)),by=mget(by.cols)] [, -(1:length(by.cols))]

不漂亮，但正在工作。

PS：有没有更好的方法从名称存储在字符向量中的data.table中排除列？

Answer 2

它返回其他列，因为它们是理解输出所必需的。例如，如果您有数据集：

..然后你跑：

dt[, sum(b), a]

输出如下：

V1    a
3     1
7     2

这是有道理的，因为没有＆＃34; a＆＃34;列，输出没有任何意义，因为你不知道哪些V1值对应于哪个＆＃34; a＆＃34;分组。如果你真的想在这样的操作之后摆脱列，你可以用像 dt[, sum(b), a][, V1]

或作为带有

的data.table

dt[, sum(b), a][, .(V1)]

不要使用data.table自动返回by-columns

2 个答案: