Subset von Gruppe mit data.table

Question

Angenommen ich eine Datentabelle enthalten, haben einige Baseball-Spieler:

library(plyr) 
library(data.table) 

bdt <- as.data.table(baseball) 

Für jeden Spieler (von id gegeben), möchte ich auf das Jahr um die Zeile finden entspricht, in dem sie spielte die meisten Spiele. Dies ist einfach in plyr:

ddply(baseball, "id", subset, g == max(g)) 

Was ist der entsprechende Code für data.table?

Ich habe versucht:

setkey(bdt, "id") 
bdt[g == max(g)] # only one row 
bdt[g == max(g), by = id] # Error: 'by' or 'keyby' is supplied but not j 
bdt[, .SD[g == max(g)]] # only one row 

Dies funktioniert:

bdt[, .SD[g == max(g)], by = id] 

Aber es ist nur 30% schneller als plyr ist, ist es wahrscheinlich nicht idiomatischen hindeutet.

Answer 1

Hier ist der schnelle data.table Weg:

bdt[bdt[, .I[g == max(g)], by = id]$V1] 

Dies vermeidet .SD Konstruktion, die der Engpass in Ihrer Ausdrücken ist.

edit: Eigentlich ist der Hauptgrund, warum die OP langsam sind, ist nicht nur, dass es .SD in ihm hat, aber die Tatsache, dass sie es in einer bestimmten Art und Weise verwendet - von [.data.table Aufruf, die zur Zeit ein riesigen hat Overhead, also läuft es in einer Schleife (wenn man eine by macht) akkumuliert eine sehr große Strafe.