带data.table的一个组的子集

Question

带data.table的一个组的子集

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)，我希望找到与他们玩游戏最多的年份相对应的行。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：

setkey(bdt, "id") bdt[g == max(g)]  # only one rowbdt[g == max(g), by = id]  
# Error: 'by' or 'keyby' is supplied but not jbdt[, .SD[g == max(g)]] # only one row

这样做是可行的：

bdt[, .SD[g == max(g)], by = id]

但它只比plyr快30%，说明它可能不是惯用的。

Answer 1

这是快车data.table途径：bdt[bdt[, .I[g == max(g)], by = id]$V1]这避免了构造.SD，这是表达式中的瓶颈。编辑：实际上，OP慢的主要原因不仅仅是.SD但是它以一种特殊的方式使用它-通过调用[.data.table，此时它的开销很大，因此在循环中运行它(当您执行by)累积了很大的惩罚。