使用 data.table 按組對應於最大值的子集行

Question

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。

Answer 1

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。