R data.table 按哪里分组答案

【问题标题】：R data.table group by whereR data.table 按哪里分组
【发布时间】：2017-12-12 04:17:16
【问题描述】：

我在 R data.table 中有以下内容：

  id | status
=============
   1 |      A
   1 |      B
   2 |      A
   2 |      B
   3 |      A
   4 |      A
   5 |      B

我只想显示按 id 分组的具有 A 而不是 B 的行。所以结果会是这样的：

  id | status
=============
   3 |      A
   4 |      A

到目前为止，我有这个：

dt[, sum(status == "A") > 0 && sum(status == "B") == 0, by = id]

这让我明白了：

  id | status
=============
   1 |  FALSE
   2 |  FALSE
   3 |   TRUE
   4 |   TRUE
   5 |  FALSE

我认为这是在正确的轨道上，但我不知道如何获得我想要的行。我是在正确的轨道上，还是我完全认为它是错误的？

【问题讨论】：

【解决方案1】：

在这个（我假设是简化的）示例中，您可以过滤具有 B 的行，然后 anti-join 将它们返回到原始数据中

dt[ !dt[ status == "B" ], on = "id" ]

#    id status
# 1:  3      A
# 2:  4      A

这是因为

dt[ status == "B"]

给出具有B 的'id'。这些是您要从结果集中排除的内容，可以通过反连接（dt[ !dt[ ] on = "" ] 表示法）来实现

如果您的数据更复杂，您可以在此逻辑中添加一些额外的过滤器，以首先过滤您想要的值，例如

dt[status == "A"][ !dt[ status == "B" ], on = "id" ]

将确保您返回的结果将包含具有A 而不是B 的ID

【讨论】：

最后一点，要获得带有 A 的 id，可能需要一个自半联接 stackoverflow.com/questions/18969420/… 像 dt[dt[status=="A", .(id)], on="id"] 或其他东西。
@Frank 不会排除那些 A 也有 B 值的 id？
是的，我的意思是dt[...][...] 链的第一部分。所以对于DT = data.table(id = 1, status = LETTERS[c(1,3)])，我想查看id 的所有行，而不仅仅是第一行，所以DT[.(DT[status == "A", unique(id)]), on="id"][!.(DT[status == "B", unique(id)]), on="id"] 不是DT[status == "A"][!.(DT[status == "B", unique(id)]), on="id"]