如何根据R中另一列的条件过滤列答案

【问题标题】：How to filter a column based on a condition from another column in R如何根据R中另一列的条件过滤列
【发布时间】：2017-02-23 11:09:57
【问题描述】：

我有一个包含数百万行和数十列的庞大数据表，因此性能对我来说是一个至关重要的问题。该数据描述了对内容站点的访问。我想计算每次访问的最早（即最小命中时间）命中的 ContentId。我所做的是： dt[,.(FirstContentOfVisit=ContentID[ContentID != ""][which.min(HitTime)]), by=VisitId,.SDcols=c("ContentID","HitTime")]

问题是我不知道是 which.min 首先计算所有 HitTime 向量上的最小值（我不想要！）还是只在过滤的 HitTime 向量上计算（对应于非空 ContentID）。

此外，在我计算之后 - 如何获得与第一个不同的 ContentID 的最小 HitTime（即非第一个内容 id 的最早命中时间）。

当我尝试使用用户定义的函数（首先 - 对子数据表进行排序，然后提取所需的值）进行这两种操作时，它花了很长时间（实际上从未停止过），尽管我有一台非常强大的机器（虚拟机）配备 180 GB 内存。所以我正在寻找内联解决方案。

【问题讨论】：

标签： r vector subset

【解决方案1】：

dplyr 使这变得更容易。你没有分享你的数据样本，但我假设感兴趣的变量看起来像这样。

web <- tibble(
  HitTime = sample(seq(as.Date('2010/01/01'), as.Date('2017/02/23'), by="day"), 1000),
  ContentID = 1:1000,
  SessionID = sample(1:100, 1000, replace = TRUE)
)

那么你可以只使用group_by和summarise为每个SessionID找到HitTime的最早值。

web %>%
  group_by(SessionID) %>%
  summarise(HitTime = min(HitTime))

【讨论】：