data.table选择每个组的第一行限制为n-1列？

为“.SD”功能data.table帮助了如何选择每个组的第一行：data.table选择每个组的第一行限制为n-1列？

DT = data.table(x=rep(c("b","a","c"),each=3), v=c(1,1,1,2,2,1,1,2,2), y=c(1,3,6), a=1:9, b=9:1) 
DT 

DT[, .N, by=x]       # number of rows in each group

这主要适合我，但是当我使用所有列来定义它打破小组，我不明白为什么，所以我想知道这是否是一个错误。例如：

# Selecting by n-1 columns works: 
DT[, .SD[1], by=c("x", "y", "v", "a")] 
    x y v a b 
1: b 1 1 1 9 
2: b 3 1 2 8 
3: b 6 1 3 7 
4: a 1 2 4 6 
5: a 3 2 5 5 
6: a 6 1 6 4 
7: c 1 1 7 3 
8: c 3 2 8 2 
9: c 6 2 9 1 

# The result of selecting by all columns is not what I expected: 
DT[, .SD[1], by=c("x", "y", "v", "a", "b")] 
Empty data.table (0 rows) of 5 cols: x,y,v,a,b

来源

2017-08-25 zkurtz

实际上，我是想通过行进行重复数据删除，因此在这里结束了：https://stackoverflow.com/questions/11792527/filtering-out-duplicated-non-unique-rows-in-data-table但我仍然想知道这是否是一个错误。 – zkurtz

'.SD'是data.table的所有列，不包括按列组。如果按所有列进行分组，则不会有'.SD'。 – christoph

一种选择是创建一个函数来处理这些情况fsd < - function（dt，grps，n）if（length（grps）== ncol（dt））as.data.table（dt ）[，tmp：= seq_len（.N）] [，。（tmp = head（tmp，n）），by = c（grps）] [，tmp：= NULL] [] } else as.data。 table（dt）[，head（.SD，n），by = c（grps）] }; fsd（DT，names（DT），2）' – akrun

正如@christoph评论，.SD不包括组列（我相信是出于效率的目的，以免重复存储组值），你可以这样做验证：

unique(DT[, .(name = names(.SD)), by=c('x','v')]$name) 
# [1] "y" "a" "b" 

unique(DT[, .(name = names(.SD)), by=c('x','v','a')]$name) 
# [1] "y" "b"

所以，如果你按所有列分组，.SD什么也没有;以及您的特定情况下，你可以使用unique并通过group变量为by参数，将根据by删除列重复：

unique(DT, by=c('x','v')) 

# x v y a b 
#1: b 1 1 1 9 
#2: a 2 1 4 6 
#3: a 1 6 6 4 
#4: c 1 1 7 3 
#5: c 2 3 8 2 

unique(DT, by=c('x','v','y','a','b')) 

# x v y a b 
#1: b 1 1 1 9 
#2: b 1 3 2 8 
#3: b 1 6 3 7 
#4: a 2 1 4 6 
#5: a 2 3 5 5 
#6: a 1 6 6 4 
#7: c 1 1 7 3 
#8: c 2 3 8 2 
#9: c 2 6 9 1

来源

2017-08-25 22:23:18 Psidom

或者只是'unique（DT）'，因为这使用'by'中的所有列是默认行为。 –

data.table选择每个组的第一行限制为n-1列？

回答

相关问题