Subconjunto por grupo con datos.tabla
Supongamos que tengo una tabla de datos que contiene algunos jugadores de béisbol:
library(plyr)
library(data.table)
bdt <- as.data.table(baseball)
Para cada jugador (dado por id), quiero encontrar la fila correspondiente al año en el que jugaron más juegos. Esto es sencillo en plyr:
ddply(baseball, "id", subset, g == max(g))
Cuál es el código equivalente para data.¿mesa?
Lo intenté:
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
Esto funciona:
bdt[, .SD[g == max(g)], by = id]
Pero es solo un 30% más rápido que plyr, lo que sugiere que probablemente no es idiomático.
1 answers
Aquí está el camino rápido data.table
:
bdt[bdt[, .I[g == max(g)], by = id]$V1]
Esto evita construir .SD
, que es el cuello de botella en sus expresiones.
Edit: En realidad, la razón principal por la que el OP es lento no es solo que tiene .SD
en él, sino el hecho de que lo usa de una manera particular - llamando [.data.table
, que en este momento tiene una sobrecarga enorme, por lo que ejecutarlo en un bucle (cuando uno hace un by
) acumula una penalización muy grande.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2013-12-12 20:35:03