每组，选择第一行和另一个匹配条件的行

Question

假设我有以下data.table：

x <- data.table(a = c(1, 3, 2, 2, 4, 3, 7, 10, 9, 8),
                b = c(1, 1, 1, 2, 2, 2, 2, 3, 3, 3))

并且，在按b 分组后，我想选择以下行：

• 是组的第一行
• 在群组中拥有最高的a

如果单行同时满足这两个条件，则只应选择一次（该组将仅包含一行）。

这些选择中的每一个都是微不足道的：

x[, .SD[1], by = b]  # selects first row per group
#    b  a
# 1: 1  1
# 2: 2  2
# 3: 3 10

x[, .SD[which.max(a)], by = b]  # selects row with the highest 'a' in the group
#    b  a
# 1: 1  3
# 2: 2  7
# 3: 3 10

但我不知道如何同时做到这两个（显然.SD[1 | which.max(a)] 不起作用）。我可以分别执行它们，然后rbindlist 最终结果，但我想知道是否有更简单的方法。

为了清楚起见，在上述情况下，预期的输出将是（也可以接受不同的顺序）：

   b  a
1: 1  1
2: 1  3
3: 2  2
4: 2  7
5: 3 10

Answer 1

一个选项是将索引 1（第一行）与 which.max 连接起来 - 也返回一个数字索引，然后取其中的 unique（如果 @987654323 返回相同的值 1 @ 并使用它来子集 data.table (.SD)

x[, .SD[unique(c(1, which.max(a)))], by = b]
#   b  a
#1: 1  1
#2: 1  3
#3: 2  2
#4: 2  7
#5: 3 10

---

或使用.I

x[x[, .I[unique(c(1, which.max(a)))], by = b]$V1]

Answer 2

这是我在dplyr 中的做法：

library(dplyr)
x <- data.frame(a = c(1, 3, 2, 2, 4, 3, 7, 10, 9, 8),
                b = c(1, 1, 1, 2, 2, 2, 2, 3, 3, 3))

x %>% group_by(b) %>% filter(row_number() == 1 | a == max(a))

输出

#   a  b
#1: 1  1
#2: 3  1
#3: 2  2
#4: 7  2
#5: 10 3

Answer 3

如果你只有这两列，就取两个表的并集：

funion(
  x[, lapply(.SD, max), by=b],
  x[, lapply(.SD, first), by=b]
)

我猜 max 比你的 which.max 更有效，因为它已经过优化（参见 ?GForce）。