data.table 按组求和并返回具有最大值的行答案

【问题标题】：data.table sum by group and return row with max valuedata.table 按组求和并返回具有最大值的行
【发布时间】：2015-03-23 13:42:31
【问题描述】：

我有一个这样的data.table：

dd <- data.table(f = c("a", "a", "a", "b", "b"), g = c(1,2,3,4,5))
dd

我需要将值g 与因子f 相加，最后返回一个最大值为g 的单行data.table 对象，但其中也包含因子信息。即

___f|g   
1: b 9

到目前为止我最接近的尝试是

tmp3 <- dd[, sum(g), by = f][, max(V1)]
tmp3

结果：

> tmp3
[1] 9

编辑：理想情况下，我正在寻找纯粹的 data.table 代码/工作流程。令我惊讶的是，凭借所有快速的拆分-应用-组合向导以及以“示例 [i = 子集，]”的形式对数据进行子集化的能力，我还没有找到一种直接的方法来对单个子集进行子集化值条件。

【问题讨论】：

标签： r data.table

【解决方案1】：

这是一种方法：

library(data.table)
dd <- data.table(
  f = c("a", "a", "a", "b", "b"), 
  g = c(1,2,3,4,5))
##
> dd[,list(g = sum(g)),by=f][which.max(g),]
   f g
1: b 9

【讨论】：

效果很好，虽然我很惊讶这是多么的复杂。我最初（不成功）的尝试集中在第一个 data.table 参数i，我认为这主要是为了选择您的数据。
我确实使用了i 参数来选择最终结果：[which.max(g),]。我的答案可以通过dd[,sum(g),by=f][which.max(V1),] 缩短一点，但我使用list(g = ... ) 来保留列名。
对不起，这是回答我的问题的更好方法:)

【解决方案2】：

您可以在 data.table 上使用dplyr 语法，在这种情况下：

library(dplyr)
dd %>%
  group_by(f) %>%
  summarise (g = sum(g)) %>%
  top_n(1, g)

Source: local data table [1 x 2]

  f g
1 b 9

【讨论】：

有效，但我很好奇如何以纯粹的 data.table 方式解决此问题。令我惊讶的是，聚合和分组可以在一个 data.table 命令中完成，最后一部分需要一些不同的东西。