Question

我对R很新，我主要用它来使用ggplot2库可视化统计数据。现在我遇到了数据准备问题。

我需要编写一个函数，它将从数据框中删除一些数字（2,5或10）行，这些行在指定列中具有最高和最低值，并将它们放入另一个数据框中，并为每个组合执行此操作两个因素（在我的情况下：每天和服务器）。

到目前为止，我已完成以下步骤（MWE使用esoph示例数据集）。

我已根据所需参数（例如ncontrols）对帧进行了排序：

esoph<-esoph[with(esoph,order(-ncontrols)) ,]

我可以显示每个因子值的第一个/最后一个记录（在本例中为每个年龄范围）：

by(data=esoph,INDICES=esoph$agegp,FUN=head,3)
by(data=esoph,INDICES=esoph$agegp,FUN=tail,3)

基本上，我可以看最高和最低值，但我不知道如何将它们提取到另一个数据框以及如何从主数据框中删除它们。

同样在上面的例子中，我可以看到一个因子（年龄范围）的每个值的上/下记录，但实际上我需要知道两个因子的每个值的最高和最低记录 - 在此示例中，它们可以是agegp和alcgp。

我甚至不确定上述步骤是否正常 - 或许使用plyr会更好吗？我很感激任何提示。

Answer 1

是的，您可以按如下方式使用plyr：

esoph <- data.frame(agegp = sample(letters[1:2], 20, replace = TRUE),
                    alcgp = sample(LETTERS[1:2], 20, replace = TRUE),
                    ncontrols = runif(20))

ddply(esoph, c("agegp", "alcgp"),
      function(x){idx <- c(which.min(x$ncontrols),
                           which.max(x$ncontrols))
                  x[idx, , drop = FALSE]})
#   agegp alcgp  ncontrols
# 1     a     A 0.03091483
# 2     a     A 0.88529790
# 3     a     B 0.51265447
# 4     a     B 0.86111649
# 5     b     A 0.28372232
# 6     b     A 0.61698401
# 7     b     B 0.05618841
# 8     b     B 0.89346943

ddply(esoph, c("agegp", "alcgp"),
      function(x){idx <- c(which.min(x$ncontrols),
                           which.max(x$ncontrols))
                  x[-idx, , drop = FALSE]})
#    agegp alcgp ncontrols
# 1      a     A 0.3745029
# 2      a     B 0.7621474
# 3      a     B 0.6319013
# 4      b     A 0.3055078
# 5      b     A 0.5146028
# 6      b     B 0.3735615
# 7      b     B 0.2528612
# 8      b     B 0.4415205
# 9      b     B 0.6868219
# 10     b     B 0.3750102
# 11     b     B 0.2279462
# 12     b     B 0.1891052

可能有很多替代品，例如如果您的数据已经排序，请使用head和tail，但这应该有效。

Answer 2

使用基数R：

newesoph <- esoph[esoph$ncontrols == ave(esoph$ncontrols,list(esoph$agegp,esoph$alcgp),FUN = max) 
        | esoph$ncontrols == ave(esoph$ncontrols,list(esoph$agegp,esoph$alcgp),FUN = min), ]

从数据框中提取具有最高和最低值的行

2 个答案: