按组显示模态值（最常见）的简明 R data.table 语法

Question

什么是高效优雅的 data.table 语法来查找每个 id 的最常见类别？我保留一个指示 NA 位置的布尔向量（用于其他目的）

dt = data.table(id=rep(1:2,7), category=c("x","y",NA))
print(dt)

在这个玩具示例中，忽略 NA，x 是 id==1 的常见类别，y 是 id==2 的常见类别。

Answer 1

如果你想忽略NA的，你必须先用!is.na(category)排除它们，按id和category（by = .(id, category)）分组，然后用.N创建一个频率变量：

 dt[!is.na(category), .N, by = .(id, category)]

给出：

   id category N
1:  1        x 3
2:  2        y 3
3:  2        x 2
4:  1        y 2

通过id 订购此内容将使您的图片更清晰：

 dt[!is.na(category), .N, by = .(id, category)][order(id)]

导致：

   id category N
1:  1        x 3
2:  1        y 2
3:  2        y 3
4:  2        x 2

---

如果您只想要指示最佳结果的行：

dt[!is.na(category), .N, by = .(id, category)][order(id, -N), head(.SD,1), by = id]

或：

dt[!is.na(category), .N, by = .(id, category)][, .SD[which.max(N)], by = id]

两者都给出：

   id category N
1:  1        x 3
2:  2        y 3