为何在data.table中用所有列分组时.SD会生成空表？

我在Stack Overflow的相关评论里看到：当by参数用到所有列时，.SD会变成空的data.table，这个逻辑我搞不懂，举个例子：

library(data.table)
dt <- data.table(x = c(1,1,2,2), y = c(1,2,3,3))
dt

输出：

x y
1: 1 1
2: 1 2
3: 2 3
4: 2 3

执行dt[, .SD[.N], by = .(x, y)]得到空表：

Empty data.table (0 rows and 2 cols): x,y

我本来以为这段代码的输出应该和下面这段代码的结果一致：

dt[, keep := (1:.N) == .N, by = .(x, y)]
dt[keep == 1, c("x", "y")]

输出：

x y
1: 1 1
2: 1 2
3: 2 3

问题原因与解决方法 #

为什么会得到空表？ #

data.table的规则是：.SD代表除了by里的分组列之外的所有列。当你把所有列都设为分组列时，.SD就没剩下其他列能包含了，直接变成空表。这时候.SD[.N]就是从空表里取第N行，结果当然是空的。

怎么拿到你想要的结果？ #

要是想按所有列分组后保留每组的最后一行，有几种更直接的写法：

• 用unique()加fromLast = TRUE，直接去重并留每组最后一行：

  unique(dt, by = c("x", "y"), fromLast = TRUE)
  

• 用.I获取每组最后一行的索引，再提取对应行：

  dt[dt[, .I[.N], by = .(x, y)]$V1]
  

• 或者直接在j里返回分组列的最后一行（毕竟分组列本身就在by里，不用从.SD取）：

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

这几种写法都能得到你期望的输出。

内容的提问来源于stack exchange，提问作者SimonSimon