dataHAVE=data.frame(STUDENT=c(1,1,1,2,2,2,3,3,3),
SCORE=c(0,1,1,5,1,2,1,1,1),
CAT=c(3,10,7,4,5,0,4,5,1),
FOX=c(5,0,10,8,9,1,8,9,0))
dataWANT=data.frame(STUDENT=c(1,2,3),
SCORE=c(1,1,1),
CAT=c(10,5,4),
FOX=c(0,9,8))
我有 'dataHAVE' 并且想要 'dataWANT' 当 'SCORE' 等于 1 时，它为每个 'STUDENT' 占据第一行。我正在寻找一个 data.table 解决方案，因为它是一个大数据。我试试这个，但不知道如何设置'SCORE'的标准
dataWANT[,.SD[1],by = key(STUDENT)]
【问题讨论】：
标签： r data.table
将'data.frame'转换为'data.table'（setDT），按'STUDENT'分组，在i中指定逻辑条件，获取第一行的索引（.I[1]），提取该列 ($V1) 并对行进行子集化
library(data.table)
setDT(dataHAVE)[dataHAVE[SCORE == 1, .I[1], STUDENT]$V1]
.I 返回行索引。如果我们没有分组列，它将返回 vector 即
setDT(dataHAVE)[SCORE == 1, .I]
#[1] 1 2 3 4 5 6
当我们提供分组列时，默认情况下，.I 返回一个命名列 V1（我们可以通过更改名称来覆盖它）
setDT(dataHAVE)[SCORE == 1, .(colindex = .I[1]), STUDENT]
# STUDENT colindex
#1: 1 2
#2: 2 5
#3: 3 7
现在，我们有两列，'STUDENT'，'colindex'。我们对“colindex”特别感兴趣，因此使用标准程序（$ 或[[）进行提取，然后将其用作i 中的行索引
i1 <- setDT(dataHAVE)[SCORE == 1, .(colindex = .I[1]), STUDENT]$colindex
i1
#[1] 2 5 7
我们用于子集化
dataHAVE[i1]
【讨论】：
out <- setDT(dataHAVE)[dataHAVE[SCORE == 1, .I[1], STUDENT]$V1]
这是使用subset + ave 的基本 R 选项
subset(
dataHAVE,
ave(SCORE==1, STUDENT, FUN = function(x) seq_along(x) == min(which(x)))
)
给了
STUDENT SCORE CAT FOX
2 1 1 10 0
5 2 1 5 9
7 3 1 4 8
【讨论】：
解决方案 1. 有两行简单而全面的解决方案：
dataWANT <- dataHAVE[dataHAVE$SCORE == 1,] #Filter score equals to 1
dataWANT <- dataWANT[!duplicated(dataWANT$STUDENT), ] #Remove duplicated students
解决方案 2。 但是，如果您更喜欢在一行中解决：
dataWANT <- dataHAVE[!duplicated(paste0(dataHAVE$STUDENT, dataHAVE$SCORE)) & dataHAVE$SCORE ==1, ]
这会创建一个逻辑向量，显示哪些组合不与前面的元素重复，并将其与“SCORE”是否为 1 的测试相结合。
【讨论】：
您可以使用match 获取第一行，其中SCORE = 1 对应每个STUDENT。
library(data.table)
setDT(dataHAVE)
dataHAVE[, .SD[match(1, SCORE)], STUDENT]
# STUDENT SCORE CAT FOX
#1: 1 1 10 0
#2: 2 1 5 9
#3: 3 1 4 8
【讨论】：