R：在 data.table 中聚合并重用变量

Question

我有一个data.table想总结一下。看起来像这样：

> DF
          new_src action
 1: cdn.adnxs.com      1
 2: cdn.adnxs.com      1
 3: cdn.adnxs.com      1
 4: cdn.adnxs.com      3
 5:   s1.2mdn.net      1
 6: cdn.adnxs.com      3
 7: cdn.adnxs.com      3
 8: cdn.adnxs.com      3
 9: cdn.adnxs.com      3
10: cdn.adnxs.com      3

我想按 new_src 进行汇总，按 action 查找最高出现次数，计算频率，打印此 action，打印总数。我可以在 ddply 中使用 table 执行此操作并在 ddply 中重复使用变量，因此我不需要多次运行 table。我需要在 data.table 中执行此操作，但我不能重复使用 table 结果，我必须运行 table 两次。

例子。这有效：

DF = structure(list(new_src = c("cdn.adnxs.com", "cdn.adnxs.com", 
                                "cdn.adnxs.com", "cdn.adnxs.com", "s1.2mdn.net", "cdn.adnxs.com", 
                                "cdn.adnxs.com", "cdn.adnxs.com", "cdn.adnxs.com", "cdn.adnxs.com"), action = c("1", "1", "1", "3", "1", "3", "3", "3", "3", "3")), .Names = c("new_src", "action"), class = c("data.table", "data.frame"), row.names = c(NA, -10L))

dt = DF[1:10,by=list(new_src),list(tb = sort(table(action),decreasing=T)[1], nm = names(sort(table(action),decreasing=T)[1]),tot = .N)]
View(dt)

ddpl = ddply(DF,.(new_src),summarize,tb = sort(table(action),decreasing=T)[1], nm = names(tb), tot = length(new_src))
View(ddpl)

这不是。

dt = DF[1:10,by=list(new_src),list(tb = sort(table(action),decreasing=T)[1], nm = names(tb),tot = .N)]

data.table可以吗？谢谢

Answer 1

我猜你想要 .N 这里：

DF[, .N, by=.(new_src, action)][
  order(-N), .(topv = action[1], topn = N[1], n = sum(N)), by=new_src]

         new_src topv topn n
1: cdn.adnxs.com    3    6 9
2:   s1.2mdn.net    1    1 1

要处理平局，请向 order(-N, ...) 添加更多参数。

除了链接 by=，嵌套是另一种选择：

DF[, .SD[, .N, by=action][order(-N), c(.SD[1], .(totn = sum(.N)))], by=new_src]

         new_src action N totn
1: cdn.adnxs.com      3 6    2
2:   s1.2mdn.net      1 1    1

不过，我觉得很难理解；它可能会更慢，因为 j = .N is optimized.

R：在 data.table 中聚合并重用变量

R: aggregate in data.table and reuse variable

r

plyr

data.table