我尝试使用 sqldf 和 data.table 来实现 SQL 查询。
我需要使用这两个不同的库分别执行此操作。
不幸的是,我无法使用 data.table 产生相同的结果。
library(sqldf)
library(data.table)
Id <- c(1,2,3,4)
HasPet <- c(0,0,1,1)
Age <- c(20,1,14,10)
Posts <- data.table(Id, HasPet, Age)
# sqldf way
ref <- sqldf("
SELECT Id, HasPet, MAX(Age) AS MaxAge
FROM Posts
GROUP BY HasPet
")
# data.table way
res <- Posts[,
list(Id, HasPet, MaxAge=max(Age)),
by=list(HasPet)]
head(ref)
head(res)
sqldf 的输出是:
> head(ref)
Id HasPet MaxAge
1 1 0 20
2 3 1 14
而 data.table 的输出不同:
> head(res)
HasPet Id HasPet MaxAge
1: 0 1 0 20
2: 0 2 0 20
3: 1 3 1 14
4: 1 4 1 14
请注意,不能修改 SQL 查询。
答案 0 :(得分:2)
data.table 经常出现这种情况。如果您想要按组划分的最大值或最小值,最好的方法是自联接。它很快,而且有点神秘。
您可以逐步构建它: 在data.table中,可以在i中选择,在j中进行,然后进行分组。所以第一步是在群的各个层级中找到我们想要的东西
Posts[, Age == max(Age), by = HasPet]
# HasPet V1
# 1: 0 TRUE
# 2: 0 FALSE
# 3: 1 TRUE
# 4: 1 FALSE
我们可以使用 .I
来检索每行的整数向量,然后是每组中以前的 V1 逻辑向量 TRUE 和 FALSE 索引,因此我们只有包含每组最大值的行。
Posts[, .I[Age == max(Age)], by=HasPet]
# From the data.table special symbols help:
# .I is an integer vector equal to seq_len(nrow(x)). While grouping,
# it holds for each item in the group, its row location in x. This is useful
# to subset in j; e.g. DT[, .I[which.max(somecol)], by=grp].
# HasPet V1
# 1: 0 1
# 2: 1 3
然后我们使用刚刚创建的 V1 列来调用 data.table 中的特定行(1 和 3)。就这样!
Posts[Posts[, .I[Age == max(Age)], by=HasPet]$V1]
答案 1 :(得分:1)
您可以使用 .SD
获取 HasPet
的每个值的行子集。
library(data.table)
Posts[, .SD[Age==max(Age)], HasPet]
# HasPet Id Age
#1: 0 1 20
#2: 1 3 14