R 可伸缩地提取大型数据表中每个组的最后n行

我在网上找到了几种可以用来完成这项任务的解决方案。然而，它们似乎都不能在R中伸缩。实现这一点的最佳方法是什么

问题描述：
数据：DT或DF是一个包含id列和大量随机数据的表 该表已按id排序（由于构造原因）

任务：提取表中每个id的最后n行

library(data.table)
library(dplyr)
library(magrittr)

# config
set.seed(20160313)
num.rows = 10^5

# build data set
DT <- data.table( c1=runif(num.rows) )
for( i in 2:9 )
    DT[[paste0("c",i)]] <- runif(num.rows)

DT$id <- 1:num.rows %/% 4

# solution with data.table
setkey(DT,id)
cat( "solution: data.table\n" )
print(system.time(
    t1 <- DT[,tail(.SD,n=n),by=id]
))

# solution with dplyr
DF <- as.data.frame(DT)
cat( "solution: dply\n" )
print(system.time(
    t2 <- DF %>% group_by(id) %>% do( tail(.,n=n) )
))

# second solution with dplyr
cat( "solution: dplyr 2\n" )
print(system.time({
    t3 <- DF %>% group_by(id) %>% filter(rank(-row_number()) <= n)
}))


# solution with by command
cat( "solution: by\n" )
print(system.time( {
    temp <- by( DT, DT$id, tail, n=n )
    t4 <- do.call( "rbind", as.list( temp ) )
}))

# solution using split and lapply
cat( "solution: split and lapply\n" )
print(system.time( {
    temp <- split(DT,DT$id)
    temp <- lapply(temp, tail, n=n)
    t5 <- do.call( "rbind", temp )
}))

cat( "solution: via data.table 3\n" )
print(system.time( {
    t6 <- DT[DT[,tail(.I,n),by=id]$V1,]
}))


# failsafe checks
if( all(t1$c1 == t2$c1) )
    cat( "1==2 OK\n" )
if( all(t1$c1 == t3$c1) )
    cat( "1==3 OK\n" )
if( all(t1$c1 == t4$c1) )
    cat( "1==4 OK\n" )
if( all(t1$c1 == t5$c1) )
    cat( "1==5 OK\n" )
if( all(t1$c1 == t6$c1) )
    cat( "1==6 OK\n" )

用于其他n

system.time( DT[DT[,tail(.I,n),by=id]$V1,] )
# for n=2
#   user  system elapsed 
# 33.740   0.112  33.872

# for n=3
#   user  system elapsed 
# 33.988   0.184  34.194

---

这看起来还是有点过分，但它对我的情况有效。

您是否尝试了

unique（DT，by=“id”，fromLast=TRUE）

？或者

DT[！复制（DT$id，fromLast=TRUE）]

？太好了！对于具体问题来说，这很好。谢谢但是，如果我们想使用（比方说）最后两行，问题仍然存在。最后（最多）行的一个可能的替代方法是

DT[，.SD[.N]，by=id]

：DT[DT[，tail（.I，N），by=id]$V1]@user2957945 David通过关闭它回答了OP最初的问题。然后OP将他们的问题扩展到你现在看到的（这不是很好的礼仪）也许我应该恢复他们的编辑，只显示原始问题？我同意，像现在这样，问题包含答案内容是很尴尬的。。。但似乎还可以忍受。无论如何，我找到了一些更相关的问题，并将它们添加到重复列表中。

system.time( DT[DT[,tail(.I,n),by=id]$V1,] )
# for n=2
#   user  system elapsed 
# 33.740   0.112  33.872

# for n=3
#   user  system elapsed 
# 33.988   0.184  34.194