如何在 r 中的 data.table 中按链排序？

Question

我刚刚遇到 data.table 并第一次尝试对我现有的 dplyr 代码进行基准测试，看看它们在执行时间上是否有任何差异，如果有，那么将开始学习 @987654322 @

在 data.table 中尝试了一些代码，但 未能复制 dplyr 结果。

library(tidyverse)
library(data.table)


df_ind_stacked_daily <- read.csv(url("https://raw.githubusercontent.com/johnsnow09/covid19-df_stack-code/main/df_ind_stacked_daily.csv")) %>% 
  mutate(Date = ymd(Date)) %>% data.table()

data.table 代码尝试：

df_ind_stacked_daily[Daily_cases_type == "Daily_confirmed" &
                     Date >= max(Date) - 6 & Date <= max(Date) &
                    State.UnionTerritory != "India",
                    by = Date] %>%

  .[order(-Daily_cases_counts),
    .SD[1],
    by = Date]

dplyr 代码：

 df_ind_stacked_daily %>% as_tibble() %>% 
    filter(Daily_cases_type == "Daily_confirmed",
           Date >= max(Date) - 6 & Date <= max(Date),
           State.UnionTerritory != "India"
    ) %>%
    
    group_by( Date) %>%
    slice_max(order_by = Daily_cases_counts, n = 10) %>% 
    ungroup() 

感谢任何帮助！

Answer 1

为了展示data.table的能力，我进一步精简了OP's code和sindri's answer：

library(data.table)
fread("https://raw.githubusercontent.com/johnsnow09/covid19-df_stack-code/main/df_ind_stacked_daily.csv")[
  Daily_cases_type == "Daily_confirmed" & Date >= max(Date) - 6 & State.UnionTerritory != "India"][
      order(-Daily_cases_counts), head(.SD, 10L), by = Date]

1. data.table 的快速fread() 用于直接从给定的URL读取数据。
2. 在加载数据时，fread() 会自动将列 Date 强制转换为整数日期类 IDate。不需要明确的转换步骤。
3. 过滤条件 Date <= max(Date) 已被删除，因为它在所有日期都满足。
4. order(Daily_cases_counts, decreasing = TRUE) 被其等效
   order(-Daily_cases_counts) 替换。注意减号表示 降序。
5. 排序和分组合并为一个表达式。
6. head(.SD, 10L) 用作.SD[1:10] 的替代品。
7. data.table 链接 在整个过程中都会使用，从而删除变量 df_ind_stacked_daily。

Answer 2

这是data.table的翻译：

df_ind_stacked_daily[Daily_cases_type == "Daily_confirmed" &
                     Date >= max(Date) - 6 & Date <= max(Date) &
                     State.UnionTerritory != "India"
                     ][order(Daily_cases_counts, decreasing = TRUE)
                       ][, .SD[1:10], by = Date]

您的主要错误是错误地使用了by。只有与J（第二个参数）结合使用才有意义。

PS。如果您学习data.table，主要的时间节省将来自更简洁和（可以说）合乎逻辑的语法。