2016-01-12 31 views
8

grubu içindeki ilk n satırları seçtiğim gibi, bir veri tablosundaki gruplardaki ilk n satırları seçmek için data.table çözümünü bilmiyorum. Lütfen bana yardım edebilir misiniz?data.table -

+0

bu çok yakındır: http://stackoverflow.com/questions/10110616/throw-away-first-and-last-n-rows – MichaelChirico

cevap

24

ile head kullanabilirsiniz: örnek veri kümesi üzerinde hız baktığımızda head yöntem .I method of @eddi ile eşit olduğunu

dt[, .SD[1:3], cyl] 

. microbenchmark paketi ile Karşılaştırılması:

microbenchmark(head = dt[, head(.SD, 3), cyl], 
       SD = dt[, .SD[1:3], cyl], 
       I = dt[dt[, .I[1:3], cyl]$V1], 
       times = 10, unit = "relative") 

Sonuçlar:

Unit: relative 
expr  min  lq  mean median  uq  max neval cld 
head 1.000000 1.000000 1.000000 1.000000 1.000000 1.0000000 10 a 
    SD 2.156562 2.319538 2.306065 2.365190 2.318540 2.1908401 10 b 
    I 1.001810 1.029511 1.007371 1.018514 1.016583 0.9442973 10 a 

Ancak data.table özellikle büyük veri setleri için tasarlanmıştır. Yani, yine bu karşılaştırma yürütürken:

# creating a 30 million dataset 
largeDT <- dt[,.SD[sample(.N, 1e7, replace = TRUE)], cyl] 
# running the benchmark on the large dataset 
microbenchmark(head = largeDT[, head(.SD, 3), cyl], 
       SD = largeDT[, .SD[1:3], cyl], 
       I = largeDT[largeDT[, .I[1:3], cyl]$V1], 
       times = 10, unit = "relative") 

Sonuçlar:

Unit: relative 
expr  min  lq  mean median  uq  max neval cld 
head 2.279753 2.194702 2.221330 2.177774 2.276986 2.33876 10 b 
    SD 2.060959 2.187486 2.312009 2.236548 2.568240 2.55462 10 b 
    I 1.000000 1.000000 1.000000 1.000000 1.000000 1.00000 10 a 

Şimdi .I yöntem açıkça hızlı biridir.


Güncelleme 2016/02/12: data.table paketin en son gelişme sürümü ile

, .I yöntemi hala kazanır. .SD yönteminin veya head() yönteminin daha hızlı olup olmadığı, veri kümesinin boyutuna bağlıdır. Şimdi kriter verir: (hala ama oldukça büyük)

Unit: relative 
expr  min  lq  mean median  uq  max neval cld 
head 2.093240 3.166974 3.473216 3.771612 4.136458 3.052213 10 b 
    SD 1.840916 1.939864 2.658159 2.786055 3.112038 3.411113 10 b 
    I 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 10 a 
biraz daha küçük veri kümesi ile Ancak

, oran değiştirin:

largeDT2 <- dt[,.SD[sample(.N, 1e6, replace = TRUE)], cyl] 

kriter olduğunu şimdi biraz head yöntemin lehine .SD üzerinde yöntemi:

Unit: relative 
expr  min  lq  mean median  uq  max neval cld 
head 1.808732 1.917790 2.087754 1.902117 2.340030 2.441812 10 b 
    SD 1.923151 1.937828 2.150168 2.040428 2.413649 2.436297 10 b 
    I 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 10 a 
+0

Bu, 1.9.7 ile yapıldı mı? '' S'' ile bazı işlemlerin son zamanlarda optimize edilmiş olduğunu biliyorum ... – MichaelChirico

+0

@MichaelChirico Evet, ama 1.9.7 nispeten eski bir sürümünü kullanıyorum ('' rowid' tanıtımı kısa bir süre sonra). Yani, son zamanlarda ne kadar yakın olduğuna bağlı ;-) – Jaap

+0

Ben, ilgili işlemlerin – MichaelChirico

5

Biz bir alternatif olarak .SD

library(data.table) 

dt <- data.table(mtcars) 

> dt[, head(.SD, 3), by = "cyl"] 

    cyl mpg disp hp drat wt qsec vs am gear carb 
1: 6 21.0 160.0 110 3.90 2.620 16.46 0 1 4 4 
2: 6 21.0 160.0 110 3.90 2.875 17.02 0 1 4 4 
3: 6 21.4 258.0 110 3.08 3.215 19.44 1 0 3 1 
4: 4 22.8 108.0 93 3.85 2.320 18.61 1 1 4 1 
5: 4 24.4 146.7 62 3.69 3.190 20.00 1 0 4 2 
6: 4 22.8 140.8 95 3.92 3.150 22.90 1 0 4 2 
7: 8 18.7 360.0 175 3.15 3.440 17.02 0 0 3 2 
8: 8 14.3 360.0 245 3.21 3.570 15.84 0 0 3 4 
9: 8 16.4 275.8 180 3.07 4.070 17.40 0 0 3 3 
+0

not aslında 'hea d.data.table' ('getAnywhere (" head.data.table ")'), Jaap'ın yanıtının (biraz daha sağlam) bir sürümünü çağırıyor. – MichaelChirico

İlgili konular