data.table 的条件排序

Question

我有非常大的 data.table 想要以这种方式 trim 下来：

只有一个唯一id
如果同一日志中除“X”外还有其他数据，则应保留其他数据
如果只有X，那么第一个X应该留下
如果除“X”外还有多个，则所有这些都应该保留，用逗号分隔，但不是“X”。

示例数据集：

library(data.table)
dt <- data.table(
    id=c(1,1,2,3,3,4,4,4,5,5),
    log=c(11,11,11,12,12,12,12,12,13,13),
    art=c("X", "Y", "X", "X", "X", "Z", "X", "Y","X", "X")
  )
dt
id log art
1:  1  11   X
2:  1  11   Y
3:  2  11   X
4:  3  12   X
5:  3  12   X
6:  4  12   Z
7:  4  12   X
8:  4  12   Y
9:  5  13   X
10: 5  13   X

所需输出：

 id    log  art    
  1     11   Y    
  2     11   Y
  3     12   Z,Y
  4     12   Z,Y
  5     13   X

Answer 1

这是一种方法，但也许还有更有效的方法。

unique(dt[,.(id, log)])[dt[, .(art=if(.N == 1 | all(art == "X"))
                                      art[1] else toString(unique(art[art != "X"]))),
                           by=log], on="log"]

哪个returns

   id log  art
1:  1  11    Y
2:  2  11    Y
3:  3  12 Z, Y
4:  4  12 Z, Y
5:  5  13    X

通过将每个日志执行所需的 art 值左连接到唯一的 ID 和日志对。这假设没有 ID 跨越两个日志，示例中就是这种情况。

Answer 2

我们可以试试

dt[,  .(art = if(all(art=="X")) "X" else 
     toString(unique(art[art != "X"]))), .(id, logbld = log)]
#    id logbld  art
#1:  1     11    Y
#2:  2     11    X
#3:  3     12    X
#4:  4     12 Z, Y
#5:  5     13    X

Answer 3

只是想尝试一下 dplyr:

library(data.table)
library(dplyr)
   dat <- setDT(dt %>% group_by(id) %>% 
                       unique() %>% 
                       summarise(bldlog = mean(log),
                                 art = gsub("X,|,X", "",paste(art, collapse = ","))))


dat

#    id bldlog art 
# 1:  1     11   Y 
# 2:  2     11   X 
# 3:  3     12   X 
# 4:  4     12 Z,Y 
# 5:  5     13   X

data.table 的条件排序

Conditional sorting of a data.table

r

dataframe

data.table

data-wrangling