我试图模仿 data.table 中的一些 dplyr 代码,我很少使用它。没有得到我想要的结果。
例如,对于 dplyr,当我要求每组最多 5 行时,使用 slice
,我得到了所需的结果 - 我要求的行数,或者每组存在的行数,以较低者为准:
library(dplyr)
mtcars %>%
group_by(cyl, am) %>%
slice(1:5)
mpg cyl disp hp drat wt qsec vs am gear carb
1 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
2 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
3 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
4 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
5 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
6 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
7 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
8 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
9 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
10 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
11 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
12 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
13 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
14 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
15 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
16 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
17 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
18 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
19 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
20 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
21 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
22 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
但是,使用 data.table
和 .SD
,无论每组存在的行数是否较少,我都会获得所需的行数,并且额外的行数是在非分组列中填充 NA。知道如何使用 data.table
从上面的 dplyr
代码中得到什么吗?
library(data.table)
as.data.table(mtcars)[, .SD[1:5], by = .(cyl, am)]
cyl am mpg disp hp drat wt qsec vs gear carb
1: 6 1 21.0 160.0 110 3.90 2.620 16.46 0 4 4
2: 6 1 21.0 160.0 110 3.90 2.875 17.02 0 4 4
3: 6 1 19.7 145.0 175 3.62 2.770 15.50 0 5 6
4: 6 1 NA NA NA NA NA NA NA NA NA
5: 6 1 NA NA NA NA NA NA NA NA NA
6: 4 1 22.8 108.0 93 3.85 2.320 18.61 1 4 1
7: 4 1 32.4 78.7 66 4.08 2.200 19.47 1 4 1
8: 4 1 30.4 75.7 52 4.93 1.615 18.52 1 4 2
9: 4 1 33.9 71.1 65 4.22 1.835 19.90 1 4 1
10: 4 1 27.3 79.0 66 4.08 1.935 18.90 1 4 1
11: 6 0 21.4 258.0 110 3.08 3.215 19.44 1 3 1
12: 6 0 18.1 225.0 105 2.76 3.460 20.22 1 3 1
13: 6 0 19.2 167.6 123 3.92 3.440 18.30 1 4 4
14: 6 0 17.8 167.6 123 3.92 3.440 18.90 1 4 4
15: 6 0 NA NA NA NA NA NA NA NA NA
16: 8 0 18.7 360.0 175 3.15 3.440 17.02 0 3 2
17: 8 0 14.3 360.0 245 3.21 3.570 15.84 0 3 4
18: 8 0 16.4 275.8 180 3.07 4.070 17.40 0 3 3
19: 8 0 17.3 275.8 180 3.07 3.730 17.60 0 3 3
20: 8 0 15.2 275.8 180 3.07 3.780 18.00 0 3 3
21: 4 0 24.4 146.7 62 3.69 3.190 20.00 1 4 2
22: 4 0 22.8 140.8 95 3.92 3.150 22.90 1 4 2
23: 4 0 21.5 120.1 97 3.70 2.465 20.01 1 3 1
24: 4 0 NA NA NA NA NA NA NA NA NA
25: 4 0 NA NA NA NA NA NA NA NA NA
26: 8 1 15.8 351.0 264 4.22 3.170 14.50 0 5 4
27: 8 1 15.0 301.0 335 3.54 3.570 14.60 0 5 8
28: 8 1 NA NA NA NA NA NA NA NA NA
29: 8 1 NA NA NA NA NA NA NA NA NA
30: 8 1 NA NA NA NA NA NA NA NA NA
cyl am mpg disp hp drat wt qsec vs gear carb
最佳答案
slice
会根据每组的行数自动重新调整,这里我们可以使用head
。对于data.table
,索引如果我们提供索引并且索引大于.N
(即每组的总行数),它会创建一个NA
行超出范围的每个索引
library(data.table)
as.data.table(mtcars)[, head(.SD, 5), by = .(cyl, am)]
# cyl am mpg disp hp drat wt qsec vs gear carb
# 1: 6 1 21.0 160.0 110 3.90 2.620 16.46 0 4 4
# 2: 6 1 21.0 160.0 110 3.90 2.875 17.02 0 4 4
# 3: 6 1 19.7 145.0 175 3.62 2.770 15.50 0 5 6
# 4: 4 1 22.8 108.0 93 3.85 2.320 18.61 1 4 1
# 5: 4 1 32.4 78.7 66 4.08 2.200 19.47 1 4 1
# 6: 4 1 30.4 75.7 52 4.93 1.615 18.52 1 4 2
# 7: 4 1 33.9 71.1 65 4.22 1.835 19.90 1 4 1
# 8: 4 1 27.3 79.0 66 4.08 1.935 18.90 1 4 1
# 9: 6 0 21.4 258.0 110 3.08 3.215 19.44 1 3 1
#10: 6 0 18.1 225.0 105 2.76 3.460 20.22 1 3 1
#11: 6 0 19.2 167.6 123 3.92 3.440 18.30 1 4 4
#12: 6 0 17.8 167.6 123 3.92 3.440 18.90 1 4 4
#13: 8 0 18.7 360.0 175 3.15 3.440 17.02 0 3 2
#14: 8 0 14.3 360.0 245 3.21 3.570 15.84 0 3 4
#15: 8 0 16.4 275.8 180 3.07 4.070 17.40 0 3 3
#16: 8 0 17.3 275.8 180 3.07 3.730 17.60 0 3 3
#17: 8 0 15.2 275.8 180 3.07 3.780 18.00 0 3 3
#18: 4 0 24.4 146.7 62 3.69 3.190 20.00 1 4 2
#19: 4 0 22.8 140.8 95 3.92 3.150 22.90 1 4 2
#20: 4 0 21.5 120.1 97 3.70 2.465 20.01 1 3 1
#21: 8 1 15.8 351.0 264 4.22 3.170 14.50 0 5 4
#22: 8 1 15.0 301.0 335 3.54 3.570 14.60 0 5 8
# cyl am mpg disp hp drat wt qsec vs gear carb
此外,slice
应该与 data.table
一起使用
library(dplyr)
as.data.table(mtcars)[, slice(.SD, 1:5), by = .(cyl, am)]
关于r - data.table SD 返回每组所要求的行数,并使用 NA 填充而不是现有的行数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/62182607/