r - data.table 中与 dplyr 中不同

Question

我正在尝试使用data.table为了获得更好的性能，但不知道如何做相当于distinct %>% summarize在dplyr 。任何想法如何我可以将以下代码改编为 data.table ？

group_by_('x,y,z') %>%
distinct('h', .keep_all = TRUE) %>%
summarise(tot1 = sum(value1), tot2 = sum(value2))

Answer 1

您可以使用data.table分两步进行分组、非重复和求和。首先，使用 unique() 并将 by 参数设置为分组和不同变量。然后仅使用分组变量执行相当于 summarize() 的 data.table 操作。

dfq = data_frame(
    g1 = rep(c('a', 'b', 'c'), times = 12), 
    g2 = rep(c('d', 'e', 'f', 'g'), times = 9), 
    c3 = as.integer(30 * runif(36)), 
    d4 = rep(LETTERS[1:18], times = 2)
)

dtq = as.data.table(dfq)
dtq2 = unique(dtq, by = c("g1", "g2", "d4"))[
    , .(sum1 = sum(c3)), 
    by = c("g1", "g2")
]