使用 data.table 的嵌套分组中的前 n 个

Question

目标：按季度和名称分组我想按计数获得前 n 个名称（请参见下面的示例）。因此，top 1 所需的输出（对于下面的示例）将是：

2019 Q1  Klaus 2
2019 Q2   Karl 3

因为这只是一个玩具示例，所以我还希望按每个季度的计数和名称获得前 4、5 等。你有什么好的想法如何用 data.table 实现这个（请不要 dplyr）。非常感谢！

library(data.table)

dt <- data.table(x = c("2019 Q1", "2019 Q1", "2019 Q1", "2019 Q2", "2019 Q2", "2019 Q2", "2019 Q2"),
                 y = c("Klaus", "Gustav", "Klaus", "Karl", "Karl", "Karl", "Stefan"))

# Structure of dt
# x      y
# 1: 2019 Q1  Klaus
# 2: 2019 Q1 Gustav
# 3: 2019 Q1  Klaus
# 4: 2019 Q2   Karl
# 5: 2019 Q2   Karl
# 6: 2019 Q2   Karl
# 7: 2019 Q2 Stefan


dt[, .N, by = .(x, y)]

# Output:
# x      y N
# 1: 2019 Q1  Klaus 2
# 2: 2019 Q1 Gustav 1
# 3: 2019 Q2   Karl 3
# 4: 2019 Q2 Stefan 1

Answer 1

您可以先计算每个名称和季度的 N，然后排序 data.table，然后每个季度选择前 n 行：

dt[, .N, by = .(x, y)][order(-N), head(.SD, 1), by = x]

Answer 2

这是使用 aggregate

的基本 R 解决方案

> aggregate(y~x,dt,function(v) as.matrix(head(data.frame(sort(table(v),decreasing = TRUE)),1)))
        x   y.1 y.2
1 2019 Q1 Klaus   2
2 2019 Q2  Karl   3

Answer 3

这是另一种 data.table 方法，与 Gilean 的回答几乎相同，但没有 head()。

dt[, .N, by = .(x,y) ][ order(-N), .SD[1:1], by = x ]

#          x     y N
# 1: 2019 Q2  Karl 3
# 2: 2019 Q1 Klaus 2

Answer 4

data.table的另一个解决方案：

dt[, .N, by = .(x, y)][, .SD[N==max(N)][1], x]

或更好

dt[, .N, by = .(x, y)][, head(.SD[N==max(N)], 1), x]

使用 data.table 的嵌套分组中的前 n 个

Top n in nested grouping using data.table

r

top-n

data.table