与 data.table 相比，按组分组子集与聚合 data.table答案

【问题标题】：Subset by group with data.table compared to aggregate a data.table与 data.table 相比，按组分组子集与聚合 data.table
【发布时间】：2017-02-02 14:52:00
【问题描述】：

这是对Subset by group with data.table 使用相同数据表的后续问题：

library(data.table)

bdt <- as.data.table(baseball)

# Aggregating and loosing information on other columns
dt1 <- bdt[ , .(max_g = max(g)), by = id]
# Aggregating and keeping information on other columns
dt2 <- bdt[bdt[, .I[g == max(g)], by = id]$V1]

为什么dt1 和dt2 的行数不同？ dt2 不应该在不丢失其他列中的相应信息的情况下具有相同的结果吗？

【问题讨论】：

查看，例如，bdt[id == "woodge01"][order(-g)]——该 id 有多行最大化g。第二种方法识别所有这样的行，而第一种方法只是返回最大值。这是 max（一个值）和 argmax（一组最大化器）之间的区别：math.stackexchange.com/q/312012
感谢您的回复。这完美地阐明了区别！
酷，如果您愿意，您可以自己发布答案。

标签： r data.table

【解决方案1】：

正如@Frank 指出的那样：

bdt[ , .(max_g = max(g)), by = id]为你提供最大值，而

bdt[bdt[ , .I[g == max(g)], by = id]$V1] 标识具有此最大值的所有行。

请参阅 What is the difference between arg max and max? 以获取数学解释并在 R 中尝试这个纤薄版本：

library(data.table)
bdt <- as.data.table(baseball)

dt <- bdt[id == "woodge01"][order(-g)]
dt[ , .(max = max(g)), by = id]
dt[ dt[ , .I[g == max(g)], by = id]$V1 ]

【讨论】：