使用data.table按组进行子集化

Question

假设我有一个包含一些棒球运动员的数据表:

library(plyr)
library(data.table)

bdt <- as.data.table(baseball)

对于每个玩家(由id给出),我想找到与他们玩最多游戏的年份相对应的行.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

这有效:

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

但它比plyr快30%,这表明它可能不是惯用语.

Answer 1

这是快速的data.table方式:

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

这避免了构造.SD,这是表达式中的瓶颈.

编辑:实际上,OP速度慢的主要原因不仅仅在于它.SD,而是它以特定的方式使用它 - 通过调用[.data.table,此时有很大的开销,所以在循环中运行它(当一个人做a by)累积一个非常大的惩罚.