如何在 data.table 分组中获取当前组的长度？

Question

我知道这可以通过其他软件包实现，但我正在尝试在 data.table 中实现（因为它似乎是最快的分组）。

library(data.table)
dt = data.table(a=c(1,2,2,3))
dt[,length(a),by=a]

结果

   a V1
1: 1  1
2: 2  1
3: 3  1

而

df = data.frame(a=c(1,2,2,3))
ddply(df,.(a),summarise,V1=length(a))

生产

  a V1
1 1  1
2 2  2
3 3  1

这是一个更明智的结果。只是想知道为什么 data.table 没有给出相同的结果，以及如何实现。

Answer 1

执行此操作的 data.table 方法是使用特殊变量 .N，它跟踪当前组中的行数。 （其他特殊变量包括.SD、.BY（1.8.2 版）和.I 和.GRP（1.8.3 版提供）。所有变量都记录在?data.table）：

library(data.table)
dt = data.table(a=c(1,2,2,3))

dt[, .N, by = a]
#    a N
# 1: 1 1
# 2: 2 2
# 3: 3 1

要查看您尝试的方法为何不起作用，请运行以下命令，在每个浏览器提示符处检查 a 和 length(a) 的值：

dt[, browser(), by = a]