Question

这似乎是一个微不足道的问题，我似乎无法找到解决方案：

考虑两个data.tables

library(data.table)
dt <- data.table(id = c(1,1,1,2,2,2),
                 val = c(10,20,30,10,20,30))

dt1 <- data.table(id = c(1,2),
                  V1 = c(2,1))

如何对dt进行分组，其中dt1告诉我需要分组的V1分组的行号（id）？

例如，结果将是

#    id val
# 1:  1  20
# 2:  2  10

更新

对拟议解决方案进行快速基准测试

library(data.table)
s <- 100000
set.seed(123)
dt <- data.table(id = rep(seq(1:s), each=10),
                 val = rnorm(n = s*10, 0, 1))

dt1 <- data.table(id = seq(1:s),
                  V1 = sample(1:10, s, replace=T))


library(microbenchmark)

microbenchmark(

  akrun = { dt[dt1, on='id'][, .SD[1:.N==V1] ,id] },

  david = { dt[dt1, val[i.V1], on = 'id', by = .EACHI] },

  symbolix = { dt[, id_seq := seq(1:.N), by=id][dt1, on=c(id_seq = "V1", "id") , nomatch=0] },

   times = 5

 )
#Unit: milliseconds
#     expr         min          lq        mean      median          uq         max neval
#    akrun 17809.51370 17887.89037 18005.32357 18043.80279 18130.78978 18154.62118     5
#    david    48.17367    53.76436    53.79004    54.69096    55.59657    56.72467     5
 #symbolix   507.67312   511.23492   562.59743   571.31160   579.61228   643.15525     5

Answer 1

另一种选择是使用by = .EACHI以便在加入

时对val进行分组

dt[dt1, val[i.V1], on = 'id', by = .EACHI]
#    id V1
# 1:  1 20
# 2:  2 10

如果您有更多列，则可以改为使用.SD[i.V1]。

作为旁注，在data.table v＆gt; = 1.9.8中，.SD[val]操作计划完全优化以使用GForce-所以紧紧抓住。

Answer 2

一个选项是join on'id'，然后执行子集

dt[dt1, on='id'][, .SD[1:.N==V1] ,id][,V1:=NULL][]
#   id val
#1:  1  20
#2:  2  10

给定每个组的行索引子集一个data.table

2 个答案: