按data.table分组

假设我有一个包含一些棒球选手的数据表：

library(plyr) library(data.table) bdt <- as.data.table(baseball) 

对于每个玩家（由ID给出），我想find对应他们玩最多游戏年份的行。 这在plyr中很简单：

 ddply(baseball, "id", subset, g == max(g)) 

什么是data.table的等效代码？

我试过了：

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

这工作：

 bdt[, .SD[g == max(g)], by = id] 

但它只比plyr快30％，暗示它可能不是惯用的。

Answer 1

这里是快速的data.table方法：

 bdt[bdt[, .I[g == max(g)], by = id]$V1] 

这避免了构build.SD ，这是expression式的瓶颈。

编辑：实际上，OP速度慢的主要原因不仅在于它具有.SD ，而且是以特定方式使用它的事实 – 通过调用目前拥有巨大开销的[.data.table ，所以在一个循环中运行（当一个人做一个循环时）积累了一个非常大的惩罚。