update drop和drop

Question

大家好，新年快乐，我想知道data.table是否可以处理基于每个分组的select执行的更新。

R) a=data.table(x=c("a","a","b","b","c","c"),y=c(1,2,3,3,2,1))
R) a
   x y
1: a 1
2: a 2
3: b 3
4: b 3
5: c 2
6: c 1

如果我想要更新每个by-group中的条件，我需要在j中执行select，但这更像是一个选择( i )。

R) a[,c:=ifelse(y==max(y),"yes","no"),by=x]
R) a
   x y   c
1: a 1  no
2: a 2 yes
3: b 3 yes
4: b 3 yes
5: c 2 yes
6: c 1  no

我可以使用像a[y==max(y),c:="yes",by=x,within.by=TRUE]这样的选项来做同样的事情吗?我想它会快得多

第二个问题，是否计划在data.table中使用drop参数，以便能够执行本质上是DT[,':='(x=NULL,y=NULL,z=NULL)]的DT[drop="x,y,z"]

Answer 1

这只是一个猜测，关注并建立在评论之上：which.max(x)可能比x==max(x)更快。

来自?which.max：

which.min 和 which.max的Value

长度为1或0的整数(当x没有非NAs)，分别给出x的第一个最小值或最大值的索引。如果此极值是唯一的(或为空)，则结果分别与which(x == min(x))或which(x == max(x))相同(但效率更高)。

所以，可能是这样的：

DT[,c:="no"]
w = DT[,list(IDX=.I[which.max(y)]),by=x]$IDX
DT[w,c:="yes"]

它使用的是i，这可能就是您想要的。结果w是每个组只有一个项目，而不是每个组的.N，因此可能也会更快。不仅仅是which.max本身。但当然，如果最大值可以绑定，那么which.max将只返回第一个值，因此根据您的数据可能并不合适。

如果您进行基准测试，请确保使数据变大(1GB+)，并将键控与非键控进行比较。