与data.table分组后获取row.name

Question

我是data.table的新手，但我设法将60万行数据集中的计算量从数千秒（使用* ply循环）减少到1.7sec。 基本上，我需要在同一组的组中的列类中具有最低值的行并开始 。 我正在使用

DT[, list(class=min(class)), by=list(group, start)]

但是要做到这一点，我从data.frame中创建了仅包含这三列的DT，其中包含更多列。 因此，为了将结果与原始data.frame合并，我正在考虑使用row.name，因此我创建了具有row.name = TRUE的 DT，这是我所拥有的示例：

   group   start     class     rn
 1:  A      4943         4      1
 2:  A      5030         0      2
 3:  A      5030         4      3
 4:  A      5030         2      4
 5:  A      5083         4      5
 6:  A      5083         3      6
 7:  B      5041         0      7
 8:  B      5041         1      8
 9:  B      5083         4      9
 ...

我期望的结果只是对应于最小类值的rn ：

   group   start     class     rn
 1:  A      4943         4      1
 2:  A      5030         0      2
 3:  A      5083         3      6
 4:  B      5041         0      7
 5:  B      5083         4      9
 ...

但是，如果我使用：

DT[, list(class=min(class)), by=list(group, start, rn)]

要么

DT[, list(class=min(class), rn), by=list(group, start)]

我得到所有行，不仅是类最少的行。

额外的问题

我可以使用我的命令使用data.table sintax获取组中每个类类型的情况的计数？

   group   start     class     rn    class0    class1    class2    class3    class4
 1:  A      4943         4      1         0         0         0         0         1
 2:  A      5030         0      2         1         0         1         0         1
 3:  A      5083         3      6         0         0         0         1         1
 4:  B      5041         0      7         1         1         0         0         0
 5:  B      5083         4      9         0         0         0         0         1
 ...

Answer 1

对于第一个问题，您基本上是在每个组上呼叫min 。 这不是必需的。 如果还对列class排序（通过设置key ），则可以使用mult="first"功能直接选择最小的元素。 那是，

setkey(dt, group, start, class)
dt[CJ(unique(group), unique(start)), mult="first", nomatch=0]
   group start class rn
1:     A  4943     4  1
2:     A  5030     0  2
3:     A  5083     3  6
4:     B  5041     0  7
5:     B  5083     4  9

---

另外，如果您不想在这里使用CJ ，则可以执行以下操作：

setkey(dt, group, start, class)
dt[, list(class=class[1], rn=rn[1]), by=list(group, start)]

---

编辑2：

这是一个完整的答案：

dt.out <- dt[, c(list(class = class[1], rn=rn[1]), 
       {tt <- rep(0,5); tt[class+1] <- 1; as.list(tt)}), by=list(group, start)]
setnames(dt.out, 5:9, paste0("Class", 0:4))

   group start class rn Class0 Class1 Class2 Class3 Class4
1:     A  4943     4  1      0      0      0      0      1
2:     A  5030     0  2      1      0      1      0      1
3:     A  5083     3  6      0      0      0      1      1
4:     B  5041     0  7      1      1      0      0      0
5:     B  5083     4  9      0      0      0      0      1