Question

假设我有以下data.table：

x <- data.table(a = c(1, 3, 2, 2, 4, 3, 7, 10, 9, 8),
                b = c(1, 1, 1, 2, 2, 2, 2, 3, 3, 3))

然后，按b分组后，我要选择以下行：

是该组的第一行
该组中最高的a

如果单行同时满足这两个条件，则应只选择一次（该组将只包含一行）。

这些选择中的每一个都是微不足道的：

x[, .SD[1], by = b]  # selects first row per group
#    b  a
# 1: 1  1
# 2: 2  2
# 3: 3 10

x[, .SD[which.max(a)], by = b]  # selects row with the highest 'a' in the group
#    b  a
# 1: 1  3
# 2: 2  7
# 3: 3 10

但是我不知道如何一次完成这两项操作（显然.SD[1 | which.max(a)]无效）。我可以分别执行它们，然后rbindlist得到最终结果，但是我想知道是否有更简单的方法。

为清楚起见，在上述情况下，预期输出为（也可以接受不同顺序）：

Answer 1

一个选项是将索引1（对于第一行）与which.max串联在一起-还返回一个数字索引，然后取其中的unique（如果相同的值1为由which.max返回，并使用它来子集化data.table（.SD）

x[, .SD[unique(c(1, which.max(a)))], by = b]
#   b  a
#1: 1  1
#2: 1  3
#3: 2  2
#4: 2  7
#5: 3 10

或使用.I

x[x[, .I[unique(c(1, which.max(a)))], by = b]$V1]

Answer 2

这是我在dplyr中的做法：

library(dplyr)
x <- data.frame(a = c(1, 3, 2, 2, 4, 3, 7, 10, 9, 8),
                b = c(1, 1, 1, 2, 2, 2, 2, 3, 3, 3))

x %>% group_by(b) %>% filter(row_number() == 1 | a == max(a))

输出

#   a  b
#1: 1  1
#2: 3  1
#3: 2  2
#4: 7  2
#5: 10 3

Answer 3

如果只有这两列，只需合并两个表：

funion(
  x[, lapply(.SD, max), by=b],
  x[, lapply(.SD, first), by=b]
)

我认为max值比您的which.max效率更高，因为它已经过优化（请参见?GForce）。

对于每个组，选择第一行，然后选择与条件匹配的另一行

3 个答案: