13

我有面板数据（主题/年份），我只想保留每年出现最多次数的主题。数据集很大，所以我使用的是 data.table 包。有没有比我在下面尝试过的更优雅的解决方案？

library(data.table)

DT <- data.table(SUBJECT=c(rep('John',3), rep('Paul',2), 
                           rep('George',3), rep('Ringo',2), 
                           rep('John',2), rep('Paul',4), 
                           rep('George',2), rep('Ringo',4)), 
                 YEAR=c(rep(2011,10), rep(2012,12)), 
                 HEIGHT=rnorm(22), 
                 WEIGHT=rnorm(22))
DT

DT[, COUNT := .N, by='SUBJECT,YEAR']
DT[, MAXCOUNT := max(COUNT), by='YEAR']

DT <- DT[COUNT==MAXCOUNT]
DT <- DT[, c('COUNT','MAXCOUNT') := NULL]
DT
4

1 回答 1

15

我不确定您是否会认为这很优雅，但是如何：

DT[, COUNT := .N, by='SUBJECT,YEAR']
DT[, .SD[COUNT == max(COUNT)], by='YEAR']

正如@SenorO 评论的那样，这基本上就是如何应用于by表达式。i之后您仍然需要[,COUNT:=NULL]，但需要一个临时列而不是两个。

虽然出于速度原因我们不鼓励.SD，但希望我们能尽快处理此功能请求，以便可以放弃建议：FR#2330 优化 .SD[i] 查询以保持优雅但使其更快不变。.

一种不同的方法如下。它更快且惯用，但可能被认为不那么优雅。

# Create a small aggregate table first. No need to use := on the big table.
i = DT[, .N, by='SUBJECT,YEAR']

# Find the even smaller subset. (Do as much as we can on the small aggregate.)
i = i[, .SD[N==max(N)], by=YEAR]

# Finally join the small subset of key values to the big table
setkey(DT, YEAR, SUBJECT)
DT[i]

类似的东西在这里。

于 2013-09-05T22:13:05.213 回答