如何用R data.table按id分组获取对应最大id2及val字段？

嘿，我来帮你搞定这个data.table分组取最大id2的需求～

首先明确你的需求：按id列分组，每个分组里拿到id2最大的那条记录（应该还要对应取出val列对吧？），SQL里确实用窗口函数或者分组聚合就能轻松实现，那咱们来看看data.table里的几种实现方式：

方法1：用.SD + which.max #

这是最直观的写法，.SD代表每个分组的子数据集，which.max(id2)会找到该分组里id2最大的行的索引，直接取出这一行就行：

dt[, .SD[which.max(id2)], by = id]

方法2：排序后取分组最后一行 #

先按id和id2排序，每个分组里的最后一行就是id2最大的那条，用.N（每个分组的行数）来定位：

dt[order(id, id2), .SD[.N], by = id]

如果想让排序更高效，也可以用setorder原地排序后再处理：

setorder(dt, id, id2)
dt[, .SD[.N], by = id]

方法3：排序后去重（大数据集更高效） #

这种方法适合数据量比较大的场景，先按id升序、id2降序排序，这样每个id的第一条就是id2最大的记录，然后用unique按id去重即可：

setorder(dt, id, -id2)
unique(dt, by = "id")

要是你只是需要每个分组最大的id2值（不需要对应的val），那更简单，直接聚合：

dt[, .(max_id2 = max(id2)), by = id]

对比SQL的写法，比如你可能会写：

SELECT id, id2, val
FROM (
SELECT *, ROW_NUMBER() OVER (PARTITION BY id ORDER BY id2 DESC) rn
FROM your_table
) t
WHERE rn = 1

上面的data.table方法其实和这个SQL逻辑是对应的，只是用data.table的语法更简洁高效～

内容的提问来源于stack exchange，提问作者user3685285