R 根据二次场条件获取数据帧上的唯一记录

Question

更新和简化

我有一个非常大的表(约 700 万条记录)，其结构如下。

temp <- read.table(header = TRUE, stringsAsFactors=FALSE,
                   text = "Website Datetime    Rating
A 2007-12-06T14:53:07Z        1
A 2006-07-28T03:52:26Z        4
B 2006-11-02T11:06:25Z        2
C 2007-06-19T06:56:08Z        5
C 2009-11-28T22:27:58Z        2
C 2009-11-28T22:28:13Z        2")

我要检索的是每个网站具有最高评级的独特网站:

Website    Rating
A    4
B    2
C    5

我尝试使用 for 循环，但它太慢了。有没有其他方法可以实现这一目标。

Answer 1

 do.call( rbind, lapply( split(temp, temp$Website) , 
                               function(d) d[ which.max(d$Rating), ] ) )
  Website             Datetime Rating
A       A 2006-07-28T03:52:26Z      4
B       B 2006-11-02T11:06:25Z      2
C       C 2007-06-19T06:56:08Z      5

由于您的 'Datetime' 变量实际上似乎既不是 Date 也不是 datetime 对象，您应该首先转换为 Date 对象。
which.max将选择最大的第一个项目。

>  which.max(c(1,1,2,2))
[1] 3

所以阿难在这方面的警告可能是不正确的。如果机器内存适中，数据表方法肯定会更快，并且也可能成功。上面的方法可以沿途进行多次复制，data.table 函数不需要复制那么多。