使用data.table按组对应于最大值的子集行

Question

假设我有一个包含一些棒球运动员的data.table：

library(plyr)
library(data.table)

bdt <- as.data.table(baseball)

对于每个组（由玩家“id”给出），我想选择与最大游戏数“g”相对应的行。这在plyr 中很简单：

ddply(baseball, "id", subset, g == max(g))

data.table 的等效代码是什么？

我试过了：

setkey(bdt, "id") 
bdt[g == max(g)]  # only one row
bdt[g == max(g), by = id]  # Error: 'by' or 'keyby' is supplied but not j
bdt[, .SD[g == max(g)]] # only one row

这行得通：

bdt[, .SD[g == max(g)], by = id] 

但它只比 plyr 快 30%，这表明它可能不是惯用的。

Answer 1

这是data.table 的快速方式：

bdt[bdt[, .I[g == max(g)], by = id]$V1]

这避免了构造 .SD，这是您表达式中的瓶颈。

编辑： 实际上，OP 运行缓慢的主要原因不仅在于它包含 .SD，还在于它以特定方式使用它——通过调用 [.data.table ，目前有很大的开销，因此在循环中运行它（当一个人执行by时）会累积非常大的惩罚。