4

调用unique键控data.table，每个组都有唯一的线路。如果有重复的行，将采用第一行。当我需要最后一个而不是（通常是最后一个临时事务）时，我使用.SD[.N]

library(data.table)
library(microbenchmark)

dt <- data.table(id=sample(letters, 10000, T), var=rnorm(10000), key="id")

microbenchmark(unique(dt), dt[, .SD[.N], by=id])
Unit: microseconds
                   expr      min        lq    median       uq        max neval
             unique(dt)  570.882  586.1155  595.8975  608.406   3209.122   100
 dt[, .SD[.N], by = id] 6532.739 6637.7745 6694.3820 6776.968 208264.433   100

你知道更快的方法吗？

4

3 回答 3

8

创建一个data.table包含键变量的唯一组合，然后使用mult = 'last'

使用.SD很方便，但速度很慢。.I如果你愿意，你可以改用。

dtu <- unique(dt)[,key(dt), with = FALSE]
dt[dtu, mult = 'last']

或者

 dt[ dt[,  .I[.N], by = key(dt)]$V1]
于 2013-07-10T21:37:55.213 回答
4

从data.tablev1.9.4 开始，您可以使用fromLast = TRUE.

microbenchmark(unique(dt, by = "id"), 
               dt[, .SD[.N], by=id], 
               unique(dt, by = "id", fromLast = TRUE))

Unit: microseconds
                                   expr     min       lq     mean   median       uq      max neval cld
                  unique(dt, by = "id") 333.978 355.1900 406.1585 371.1360 393.4015 3203.769   100  a 
                 dt[, .SD[.N], by = id] 519.320 541.4345 580.2176 553.6200 563.5490 2690.167   100   b
 unique(dt, by = "id", fromLast = TRUE) 338.190 366.4725 430.1296 380.9145 400.7730 4774.663   100  a
于 2016-12-31T12:49:12.693 回答
0

这是另一种选择，尽管它看起来比@mnel 的答案稍慢，至少对于示例而言。

dt[,list(var,RN=.N:1),by=id][RN==1L]
于 2013-07-11T07:19:54.133 回答