r - 在R中为data.table按组查找最大值的索引

Question

我有一个 data.table 或 data.frame，如下所示:

Name     Person     Date
A        1          1/1/2004
A        2          1/1/2004
A        2          1/3/2004
A        3          1/1/2004
A        3          1/3/2004
A        3          1/9/2004
B        4          1/7/2004
B        5          1/7/2004
B        5          1/10/2004
B        6          1/7/2004
B        6          1/10/2004
B        6          1/17/2004

在这里，我试图创建一个新的数据表，如果日期不是按人计算的最大值，则该表具有“NA”。基本上，我试图让数据表看起来像:

    Name     Person     Date
A        1          1/1/2004
A        2          "NA"
A        2          1/3/2004
A        3          "NA"
A        3          "NA"
A        3          1/9/2004
B        4          1/7/2004
B        5          "NA"
B        5          1/10/2004
B        6          "NA"
B        6          "NA"
B        6          1/17/2004

基本上，我想到的算法是按人来看每个分组。如果按人分组只有一个元素，那么那个值就是最大值，因此我们让它留在那里。但是，例如，在按人 2 分组时，最大值为 1/3/2004，因此我们将 1/1/2004 设为“NA”。

我唯一能想到的方法是按组(Person)找到最大值对应的数据表的索引，然后创建一个所有NA的新向量，然后用最大值的索引替换值。

代码如下:

which.max(data$Date, by=data$Person)

这在某种程度上对我不起作用，但不管怎样，这段代码看起来都可能是时间密集型的，尤其是当我的数据集有 1 亿行时。大型数据集是否有快速实现，尤其是在 data.table 包中工作？谢谢!

Answer 1

使用data.table:

#dat <- as.data.table(dat)
#dat$Date <- as.Date(dat$Date,format="%m/%d/%Y")
dat[dat[, Date != max(Date) , by=Person][,V1], Date := NA]
dat

 #   Name Person       Date
 #1:    A      1 2004-01-01
 #2:    A      2       <NA>
 #3:    A      2 2004-01-03
 #4:    A      3       <NA>
 #5:    A      3       <NA>
 #6:    A      3 2004-01-09
 #7:    B      4 2004-01-07
 #8:    B      5       <NA>
 #9:    B      5 2004-01-10
#10:    B      6       <NA>
#11:    B      6       <NA>
#12:    B      6 2004-01-17