data.table
Subconjunto de filas por grupo
Buscar..
Observaciones
Un recordatorio: la sintaxis de DT[where, select|update|do, by] se utiliza para trabajar con columnas de una tabla de datos.
- La parte "donde" es el argumento
i - La parte "seleccionar | actualizar | hacer" es el argumento
j
Estos dos argumentos generalmente se pasan por posición en lugar de por nombre.
Seleccionando filas dentro de cada grupo
# example data
DT <- data.table(Titanic)
Supongamos que, para cada sexo, queremos las filas con los números de supervivencia más altos:
DT[Survived == "Yes", .SD[ N == max(N) ], by=Sex]
# Class Sex Age Survived N
# 1: Crew Male Adult Yes 192
# 2: 1st Female Adult Yes 140
.SD es el subconjunto de datos asociados con cada Sex ; y lo estamos subdividiendo aún más, a las filas que cumplen con nuestra condición. Si la velocidad es importante, en su lugar, utilice un enfoque sugerido por eddi en SO :
DT[ DT[Survived == "Yes", .I[ N == max(N) ], by=Sex]$V1 ]
# Class Sex Age Survived N
# 1: Crew Male Adult Yes 192
# 2: 1st Female Adult Yes 140
Escollos
En la última línea de código, .I refiere a los números de fila de la tabla de datos completa. Sin embargo, esto no es cierto cuando no hay by :
DT[ Survived == "Yes", .I]
# 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
DT[ Survived == "Yes", .I, by=Sex]$I
# 17 18 19 20 25 26 27 28 21 22 23 24 29 30 31 32
Seleccionando grupos
# example data
DT = data.table(Titanic)
Supongamos que solo queremos ver la segunda clase:
DT[ Class == "2nd" ]
# Class Sex Age Survived N
# 1: 2nd Male Child No 0
# 2: 2nd Female Child No 0
# 3: 2nd Male Adult No 154
# 4: 2nd Female Adult No 13
# 5: 2nd Male Child Yes 11
# 6: 2nd Female Child Yes 13
# 7: 2nd Male Adult Yes 14
# 8: 2nd Female Adult Yes 80
Aquí, simplemente subcontratamos los datos usando i , la cláusula "dónde".
Selección de grupos por condición
# example data
DT = data.table(Titanic)
Supongamos que queremos ver cada clase solo si una mayoría sobrevivió:
DT[, if (sum(N[Survived=="Yes"]) > sum(N[Survived=="No"]) ) .SD, by=Class]
# Class Sex Age Survived N
# 1: 1st Male Child No 0
# 2: 1st Female Child No 0
# 3: 1st Male Adult No 118
# 4: 1st Female Adult No 4
# 5: 1st Male Child Yes 5
# 6: 1st Female Child Yes 1
# 7: 1st Male Adult Yes 57
# 8: 1st Female Adult Yes 140
Aquí, devolvemos el subconjunto de datos .SD solo si nuestra condición se cumple. Una alternativa es
DT[, .SD[ sum(N[Survived=="Yes"]) > sum(N[Survived=="No"]) ) ], by=Class]
pero esto a veces ha demostrado ser más lento.