r - data.table 和表意外行为

Question

数据来 self 正在研究的另一个问题:

dt <- data.table(user=c(rep(3, 5), rep(4, 5)),
                 country=c(rep(1,4),rep(2,6)),
                 event=1:10, key="user")
#    user country event
#1:     3       1     1
#2:     3       1     2
#3:     3       1     3
#4:     3       1     4
#5:     3       2     5
#6:     4       2     6
#7:     4       2     7
#8:     4       2     8
#9:     4       2     9
#10:    4       2    10

这是令人惊讶的行为:

dt[user == 3, as.data.frame(table(country))]
#  country Freq
#1       1    4
#2       2    1

dt[user == 4, as.data.frame(table(country))]
#  country Freq
#1       2    5

dt[, as.data.frame(table(country)), by = user]
#   user country Freq
#1:    3       1    4
#2:    3       2    1
#3:    4       1    5
#             ^^^ - why is this 1 instead of 2?!

感谢 mnel 和 Victor K。自然的后续行动是 - 它不应该是 2，即这是一个错误吗？我以为

dt[, blah, by = user]

返回相同的结果给

rbind(dt[user == 3, blah], dt[user == 4, blah])

这个期望不正确吗？

Answer 1

惯用的 data.table 方法是使用 .N

 dt[ , .N, by = list(user, country)]

这会快得多，而且它还会将国家保留为与原始类别相同的类别。