R data.table 计数面板数据

Question

我有面板数据(主题/年)，我只想保留每年出现次数最多的主题。数据集很大，所以我使用了 data.table 包。有没有比我在下面尝试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

Answer 1

我不确定你会认为这很优雅，但怎么样:

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

这基本上就是如何申请 by到 i @SenorO 评论的表达式。您仍然需要 [,COUNT:=NULL]之后，但对于一个临时列而不是两个。

我们不鼓励 .SD虽然出于速度原因，但希望我们能尽快处理此功能请求，以便删除建议: FR#2330 Optimize .SD[i] query to keep the elegance but make it faster unchanged. .

一种不同的方法如下。它更快，更惯用，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]

类似的东西是 here .