如何在data.table中按分组提取前N行数据？

当然可以！在处理大型data.table时，只查看每个分组的前若干行确实是高效探索数据的好办法，我来给你介绍两种实用的实现方式：

方法一：利用.I生成索引提取（适合需复用索引的场景） #

.I是data.table的特殊符号，它会返回当前分组内每行在原数据表中的索引位置，我们可以用它来精准定位每个分组的前N行：

1. 生成每个分组的前N行索引
   比如要提取每个Z分组的前2行，执行以下代码：

library(data.table)
DT <- data.table(X=rep(letters[1:3], 50), Y=rep(LETTERS[1:3],each=50))[,Z:=paste0(X,"-",Y)]
setkey(DT,Z)

# 生成每个分组前2行的索引
index_dt <- DT[,.I[1:2], by=Z]
index_dt

运行结果会返回每个分组对应的原表索引：

> index_dt
     Z  V1
 1: a-A   1
 2: a-A   2
 3: a-B  18
 4: a-B  19
 5: a-C  35
 6: a-C  36
 7: b-A  51
 8: b-A  52
 9: b-B  68
10: b-B  69
11: b-C  84
12: b-C  85
13: c-A 101
14: c-A 102
15: c-B 117
16: c-B 118
17: c-C 134
18: c-C 135

2. 用索引提取目标数据
   把上面得到的索引代入原表，就能直接获取每个分组的前N行：

DT[index_dt$V1]

运行结果：

> DT[index_dt$V1]
    X Y   Z
 1: a A a-A
 2: a A a-A
 3: a B a-B
 4: a B a-B
 5: a C a-C
 6: a C a-C
 7: b A b-A
 8: b A b-A
 9: b B b-B
10: b B b-B
11: b C b-C
12: b C b-C
13: c A c-A
14: c A c-A
15: c B c-B
16: c B c-B
17: c C c-C
18: c C c-C

方法二：直接用head(.SD, N)提取（简洁直观，日常首选） #

如果你不需要复用索引，这种写法更直接——.SD代表当前分组的所有列，head(.SD, N)就能直接取每个分组的前N行：

比如要提取每个Z分组的前5行，直接执行：

DT[, head(.SD, 5), by=Z]

运行结果完全符合你期望的格式：

Z X Y
 1: a-A a A
 2: a-A a A
 3: a-A a A
 4: a-A a A
 5: a-A a A
 6: b-B a B
 7: b-B a B
 8: b-B a B
 9: b-B a B
10: b-B a B
11: c-C c C
12: c-C c C
13: c-C c C
14: c-C c C
15: c-C c C

两种方法都能高效实现需求，你可以根据是否需要复用索引来选择~

内容的提问来源于stack exchange，提问作者Grec001