这是一个非常简化的问题,实际上它在更大规模的情况下出现。我们的目标是利用 data.table
结构和 dplyr
命令,在多列上进行更快速的排序和分组。
正确的版本如下:
library(dplyr)
library(data.table)
library(dtplyr)
library(lubridate)
# data set
dt = data.frame(id = c("a","b", "a"),
date = ymd(c("2016-01-03","2016-01-02","2016-01-01")),
value = c(10,5,9), stringsAsFactors = F)
# process to get the id of the largest value
(setDT(dt, key=c("id","value")) %>% select(id,value) %>% arrange(desc(value)) %>% slice(1))$id -> picked_id
# return all rows of this id
dt %>% filter(id %in% picked_id)
# id date value
# 1: a 2016-01-01 9
# 2: a 2016-01-03 10
但是当我尝试在脚本的不同位置使用setDT
时,我得到了不同的结果:
dt = data.frame(id = c("a","b", "a"),
date = ymd(c("2016-01-03","2016-01-02","2016-01-01")),
value = c(10,5,9), stringsAsFactors = F)
(dt %>% select(id,value) %>% setDT(., key=c("id","value")) %>% arrange(desc(value)) %>% slice(1))$id -> picked_id
dt %>% filter(id %in% picked_id)
# id date value
# 1 a 2016-01-03 9
# 2 a 2016-01-02 10
显然,这个简单任务有更易于理解的脚本,但我想要了解为什么在这里会出现这个问题。
dt
变量没有定义相同的数据框。如果我使用其中一个,我会得到一致的结果。 - Michael Griffiths