superponer - ¿Cómo extraer las primeras n filas por grupo?

superponer graficas en r

Question

Tengo un data.table dt . Esta tabla de datos se ordena primero por date columna (mi variable de agrupación), luego por age columna:

library(data.table)
setkeyv(dt, c("date", "age")) # Sorts table first by column "date" then by "age"
> dt
         date age     name
1: 2000-01-01   3   Andrew
2: 2000-01-01   4      Ben
3: 2000-01-01   5  Charlie
4: 2000-01-02   6     Adam
5: 2000-01-02   7      Bob
6: 2000-01-02   8 Campbell

Mi pregunta es: me pregunto si es posible extraer las primeras 2 filas para cada fecha única. O expresado de manera más general:

¿Cómo extraer las primeras n filas dentro de cada grupo ?

En este ejemplo, el resultado en dt.f sería:

> dt.f = ???????? # function of dt to extract the first 2 rows per unique date
> dt.f
         date age   name
1: 2000-01-01   3 Andrew
2: 2000-01-01   4    Ben
3: 2000-01-02   6   Adam
4: 2000-01-02   7    Bob

ps Aquí está el código para crear la tabla de datos antes mencionada:

install.packages("data.table")
library(data.table)
date <- c("2000-01-01","2000-01-01","2000-01-01",
    "2000-01-02","2000-01-02","2000-01-02")
age <- c(3,4,5,6,7,8)
name <- c("Andrew","Ben","Charlie","Adam","Bob","Campbell")
dt <- data.table(date, age, name)
setkeyv(dt,c("date","age")) # Sorts table first by column "date" then by "age"

Answer 1

Probablemente no sea el método más rápido, pero proporciona cierta flexibilidad si no usa variables clave y necesita más flexibilidad. Al cambiar el Row.ID seleccionado, el número de primeros objetos se puede ajustar según sea necesario.

dt[, .( age
        , name
        , Row.ID = rank(age)
        )
   , by = list(date)][Row.ID %in% (1:2), .(date
                                           , age
                                           , name
                                           )]

Answer 2

Sí, solo usa .SD e .SD según sea necesario.

  DT[, .SD[1:2], by=date]

           date age   name
  1: 2000-01-01   3 Andrew
  2: 2000-01-01   4    Ben
  3: 2000-01-02   6   Adam
  4: 2000-01-02   7    Bob

Editado según la sugerencia de @eddi.

La sugerencia de @eddi es acertada:

Use esto en su lugar, para la velocidad:

  DT[DT[, .I[1:2], by = date]$V1]

  # using a slightly larger data set
  > microbenchmark(SDstyle=DT[, .SD[1:2], by=date], IStyle=DT[DT[, .I[1:2], by = date]$V1], times=200L)
  Unit: milliseconds
      expr       min        lq    median        uq      max neval
   SDstyle 13.567070 16.224797 22.170302 24.239881 88.26719   200
    IStyle  1.675185  2.018773  2.168818  2.269292 11.31072   200