按两个变量筛选数据表的子集 (.SD)

Question

我正在尝试重写一段我使用了一段时间的函数。简化后的代码如下：

dat = data.table(dataframe) 

getRecentRow <- function(data) {
    #Get most recent row (with highest time)
    row = data[order(-Time)][1]
    return(row)     
    }

# Run getRecentRow on each chunk given an ID
output = dat[,getRecentRow(.SD), by=ID]

该函数返回每个ID最新的条目（即具有最高时间）。然而，对于每个ID，可能会有多个条目。这些条目可以通过SUBID进行区分。我想深入挖掘一级，而不是获取每个ID的最新条目，我想获取每个SUBID的最新条目。由于SUBID不是唯一的，因此还必须考虑ID。因此，我想获取每个ID，每个SUBID的最新条目。

总结：getRecentRow()函数的输入不应该按ID子集进行，而应该按ID和SUBID进行。

我尝试过：

dat = data.table(dataframe) 

    getRecentRow <- function(data) {
    #Get most recent row (with highest time)
    row = data[order(-Time)][1]
    return(row)     
    }

# Run getRecentRow on each chunk given an ID
output = dat[,getRecentRow(.SD), by=list(ID, SUBID)]

但是这会返回不正确的输出，输出了更多的行。我认为只需要简单地重新构造by=list(ID, SUBID)就可以解决问题，但我找不到方法。

- Max van der Heijden

---

为什么在你的情况下 output = dat[,max(Time), by=ID] 不起作用？这也应该为每个ID提供最高时间。 - Christoph_J

另外，如果您想获取Time最高值对应的行号，而非值本身，可以编写dat[, .I[which.max(Time)], by="ID"]。 - Christoph_J

也许可以使用 dat[,.SD[which.max(Time)],by="ID,SUBID"]。 - Matt Dowle

请提供一些示例数据，以说明问题。 - Matt Dowle

请构建一个答案并拯救这个问题，使其不再孤立。 - IRTFM

Answer 1

问题不在函数中，实际上函数一直在正常工作。问题出在输入上。ID号码有时会取到非常大的值，导致拆分失败。将这个数字转换为字符后，问题得以解决，函数表现良好。

- Max van der Heijden