假设我有一个包含一些棒球运动员的数据表:
library(plyr)
library(data.table)
bdt <- as.data.table(baseball)
对于每个玩家(由id给出),我想找到与他们玩最多游戏的年份相对应的行 . 这在plyr中很简单:
ddply(baseball, "id", subset, g == max(g))
data.table的等效代码是什么?
我试过了:
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
这有效:
bdt[, .SD[g == max(g)], by = id]
但它比plyr快30%,这表明它可能不是惯用语 .
1 回答
这是快速的
data.table
方式:这可以避免构造
.SD
,这是表达式中的瓶颈 .edit: 实际上,OP缓慢的主要原因不仅仅在于它有
.SD
,而是它以特定的方式使用它 - 通过调用[.data.table
,此时它有很大的开销,因此在运行它循环(当一个人做by
时)累积一个非常大的惩罚 .