unique.data.table 选择最后一行代替第一行答案

【问题标题】：unique.data.table select last row in place of the firstunique.data.table 选择最后一行代替第一行
【发布时间】：2013-07-10 21:28:35
【问题描述】：

在键入的data.table 上调用unique，您将在每个组中拥有唯一的行。如果有重复的行，将采用第一行。当我需要最后一个而不是（通常是最后一个临时事务）时，我使用.SD[.N]

library(data.table)
library(microbenchmark)

dt <- data.table(id=sample(letters, 10000, T), var=rnorm(10000), key="id")

microbenchmark(unique(dt), dt[, .SD[.N], by=id])
Unit: microseconds
                   expr      min        lq    median       uq        max neval
             unique(dt)  570.882  586.1155  595.8975  608.406   3209.122   100
 dt[, .SD[.N], by = id] 6532.739 6637.7745 6694.3820 6776.968 208264.433   100

你知道更快的方法吗？

【问题讨论】：

我很惊讶 unique.data.table 和 duplicated.data.table 不支持 fromLast 参数，如 unique.data.frame 和 duplicated.data.frame

标签： r data.table

【解决方案1】：

创建一个包含关键变量的唯一组合的data.table，然后使用mult = 'last' 加入

使用.SD 很方便，但速度较慢。如果您愿意，可以改用.I。

dtu <- unique(dt)[,key(dt), with = FALSE]
dt[dtu, mult = 'last']

或者

 dt[ dt[,  .I[.N], by = key(dt)]$V1]

【讨论】：

@Farrel In ?data.table（在by下）（.I is an integer vector length .N holding the row locations in x for this group）
我认为这真是太聪明了。这是正在发生的事情吗？代码在 dt 中创建包含组的第 N 个实例的行号并对其进行向量化，其中组是由键定义的唯一条目的集合。

【解决方案2】：

从data.table v1.9.4 开始，您可以使用fromLast = TRUE。

microbenchmark(unique(dt, by = "id"), 
               dt[, .SD[.N], by=id], 
               unique(dt, by = "id", fromLast = TRUE))

Unit: microseconds
                                   expr     min       lq     mean   median       uq      max neval cld
                  unique(dt, by = "id") 333.978 355.1900 406.1585 371.1360 393.4015 3203.769   100  a 
                 dt[, .SD[.N], by = id] 519.320 541.4345 580.2176 553.6200 563.5490 2690.167   100   b
 unique(dt, by = "id", fromLast = TRUE) 338.190 366.4725 430.1296 380.9145 400.7730 4774.663   100  a

【讨论】：

【解决方案3】：

这是另一种选择，尽管它看起来比@mnel 的答案稍慢，至少对于示例而言。

dt[,list(var,RN=.N:1),by=id][RN==1L]

【讨论】：