Tengo el siguiente data.table (de hecho, mi data.table es mucho más grande (más grupos y más otras variables)):
Data <- data.table(Group = rep(c("a", "b"), each = 3),
Var = 1:6)
> print(Data)
Group Var
1: a 1
2: a 2
3: a 3
4: b 4
5: b 5
6: b 6
Ahora quiero ordenar data.table según la variable Group pero solo si Group == "a". Mi pobre intento fue el siguiente:
> Data[Group == "a", .SD[.N:1]]
Group Var
1: a 3
2: a 2
3: a 1
Sé por qué esto está mal, pero no puedo pensar en una solución que conduzca a mi salida deseada:
Group Var
1: a 3
2: a 2
3: a 1
4: b 4
5: b 5
6: b 6
2 respuestas
Tu intento funcionaría con
library(data.table)
Data[Group == "a"] <- Data[Group == "a", .SD[.N:1]]
Data
# Group Var
#1: a 3
#2: a 2
#3: a 1
#4: b 4
#5: b 5
#6: b 6
Pero lo anterior solo invierte las filas si desea ordenar las filas en orden decreciente según Var que podría hacer
Data[Group == "a"] <- Data[Group == "a", .SD[order(-Var)]]
Si tienes varias columnas puedes hacer
cols <- c("a", "b")
Data[Group %in% cols] <- Data[Group %in% cols,.SD[order(-Var)],Group]
Un mejor enfoque con data.table es actualizar por referencia como lo sugiere @markus
Data[Group %in% cols, Var := .SD[order(-Var)]$Var]
Sin usar la notación .SD:
> Data[Group == "a", Var := sort(Var, decreasing = TRUE)]
> Data
Group Var
1: a 3
2: a 2
3: a 1
4: b 4
5: b 5
6: b 6
Como tiene una gran tabla de datos y más grupos, es posible que desee considerar el uso de la notación .I (consulte artículo por @ nathaneastwood) ya que da como resultado un mejor rendimiento en algunas situaciones. Aquí, .I identificará los números de fila de interés. Cambiemos el ejemplo para que nos interesen dos grupos:
Data <- data.table(Group = rep(c("a", "b", "c"), each = 3), Var = 10:18)
Entonces:
> Data[Data[, .I[Group %in% c("a", "c")]], Var := sort(Var, decreasing = TRUE), by = Group]
> Data
Group Var
1: a 12
2: a 11
3: a 10
4: b 13
5: b 14
6: b 15
7: c 18
8: c 17
9: c 16
Para completar, la idea básica está contenida en:
Data[Group %in% c("a", "c"), Var:= sort(Var, decreasing = TRUE), by = Group]
Preguntas relacionadas
Nuevas preguntas
r
R es un entorno de software y lenguaje de programación de código abierto y gratuito para computación estadística, bioinformática, visualización y computación en general. Proporcione ejemplos mínimos y reproducibles junto con el resultado deseado. Use dput () para los datos y especifique todos los paquetes no base con llamadas a library (). No incruste imágenes para datos o código, use bloques de código con sangría en su lugar. Para preguntas relacionadas con estadísticas, use https://stats.stackexchange.com.