data.table：（快速）将组内的列值设置为组的最后一个元素

Question

假设我有一个像这样的数据集：

 example <- data.table(Object = rep(LETTERS[1:3], each=3), date = as.Date(rep(c(NA,NA,"2020-01-01"),3)), date_data =1:9)

example
   Object       date date_data
1:      A       <NA>         1
2:      A       <NA>         2
3:      A 2020-01-01         3
4:      B       <NA>         4
5:      B       <NA>         5
6:      B 2020-01-01         6
7:      C       <NA>         7
8:      C       <NA>         8
9:      C 2020-01-01         9

我想将某个组内的所有 date_data 设置为该组的最后一个 date_data 值。所以，想要的输出是这样的：

   Object       date date_data
1:      A       <NA>         3
2:      A       <NA>         3
3:      A 2020-01-01         3
4:      B       <NA>         6
5:      B       <NA>         6
6:      B 2020-01-01         6
7:      C       <NA>         9
8:      C       <NA>         9
9:      C 2020-01-01         9

现在，我已经成功地使用example[, date_data:= .SD[.N]$date_data, by = "Object"] 获得了我需要的东西。问题是我想在循环遍历大型数据表时进行这样的调用。 每次调用 .SD 太慢了。理想情况下，代码将使用 .I（如 here）或其他一些我不知道的 data.table 优化功能。我没有找到正确的方法来做到这一点。

有什么想法吗？

Answer 1

你可以使用data.table::last:

library(data.table)

example <- data.table(
  Object = rep(LETTERS[1:3], each=3),
  date = as.Date(rep(c(NA,NA,"2020-01-01"),3)), 
  date_data =1:9
)
example[, date_data := last(date_data), by =  Object ]
example
#    Object       date date_data
#    <char>     <Date>     <int>
# 1:      A       <NA>         3
# 2:      A       <NA>         3
# 3:      A 2020-01-01         3
# 4:      B       <NA>         6
# 5:      B       <NA>         6
# 6:      B 2020-01-01         6
# 7:      C       <NA>         9
# 8:      C       <NA>         9
# 9:      C 2020-01-01         9

但我不知道有没有优化，否则你可以在变量上使用.N：

example[, date_data := date_data[.N], by =  Object]
example