r - 使用 Data.Table 有条件地选择组中的行

Question

我正在寻找使用 data.table 的解决方案——我有一个包含以下列的 data.table:

data <- data.frame(GROUP=c(3,3,4,4,5,6),
                    YEAR=c(1979,1985,1999,2011,2012,1994),
                    NAME=c("S","A","J","L","G","A"))

data <- as.data.table(data)

数据表:

GROUP  YEAR    NAME
3      1979    Smith 
3      1985    Anderson
4      1999    James
4      2011    Liam
5      2012    George
6      1994    Adams

对于每个组，我们要使用以下规则选择一行:

如果年份 > 2000，则选择年份最小的行 以上 2000.

如果没有年份 > 2000，请选择年份最大的行。

期望的输出:

GROUP  YEAR    NAME
3      1985    Anderson
4      2011    Liam
5      2012    George
6      1994    Adams

谢谢!我已经为此苦苦挣扎了一段时间。

Answer 1

data.table如果您对特殊的 .I 进行子集化，应该会简单得多行计数器:

library(data.table)
setDT(data)
data[
  data[
        ,
        if(any(YEAR > 2000)) 
           .I[which.min(2000 - YEAR)] else
           .I[which.max(YEAR)],
        by=GROUP
      ]$V1
]
#   GROUP YEAR NAME
#1:     3 1985    A
#2:     4 2011    L
#3:     5 2012    G
#4:     6 1994    A

感谢@r2evans 提供背景信息 -

.I is an integer vector equivalent to seq_len(nrow(x)).
Ref: http://rdrr.io/cran/data.table/man/special-symbols.html

所以，我在这里所做的就是获取整个 data 的匹配行索引。对于每个 by= 处的每个计算等级。然后使用这些行索引对 data 进行子集化再次。