[英]Subset rows corresponding to max value by group using data.table
假設我有一個data.table
包含一些棒球運動員:
library(plyr)
library(data.table)
bdt <- as.data.table(baseball)
對於每個組(由玩家“id”給出),我想 select 行對應於最大游戲數“g”。 這在plyr
中很簡單:
ddply(baseball, "id", subset, g == max(g))
data.table
的等效代碼是什么?
我試過了:
setkey(bdt, "id")
bdt[g == max(g)] # only one row
bdt[g == max(g), by = id] # Error: 'by' or 'keyby' is supplied but not j
bdt[, .SD[g == max(g)]] # only one row
這有效:
bdt[, .SD[g == max(g)], by = id]
但它只比plyr
快 30%,這表明它可能不是慣用的。
這是快速的data.table
方式:
bdt[bdt[, .I[g == max(g)], by = id]$V1]
這避免了構建.SD
,這是表達式中的瓶頸。
編輯:實際上,OP 運行緩慢的主要原因不僅在於它包含.SD
,還在於它以特定方式使用它 - 通過調用[.data.table
,這目前有巨大的開銷,因此在循環中運行它(當一個by
)會累積非常大的懲罰。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.