Question

所以我有一个数据框，我想从中抽出第2列中具有相同名称的行。对于每组具有相同名称的重复行，我只想保留与如果得分比其他重复得分高2，则为最高值。所以在这个例子中，我想保留第2行而不是第5行。

>df <- data.frame(score=c(1,5,1,3,3),name=c("A1","A1","A2","A3","A3"))
>df
score name
 1    A1
 5    A1
 1    A2
 3    A3
 3    A3

我几乎可以用for循环做我想要发生的事情并制作一个“dup”与“keep”的小矩阵然后用来拉出满足两个条件的数据帧的行。

>test <- matrix(ncol=1,nrow=nrow(df))
>for(i in 1:nrow(df)){ifelse((df[i,"name"] == df[i-1,"name"]) && (df[i,"score"] >= (df[i-1,"score"] + 2)),test[i] <- "keep",test[i] <- "dup")}
> test
     [,1]  
[1,] NA    
[2,] "keep"
[3,] "dup" 
[4,] "dup" 
[5,] "dup"
>df[which(test[,1] == "keep"),]
    score name
2     5   A1

哪个有效（除了第一个），但显然是丑陋和缓慢的地狱。我知道必须有一种方法可以使用某个版本的apply来执行此操作，但我无法确定如何指定函数中的上一行。实际的数据帧是巨大的，所以任何更整洁的方式都会很棒。

最终我希望该函数也保留具有唯一名称的行，所以如果这可以合并到同一个函数中，我会非常高兴！

提前感谢您的帮助......

Answer 1

这个怎么样？

x <- df[order(df$name),]
x$diff <- ave(x$score, x$name, FUN=function(x) c(NA,diff(x)))
x[duplicated(x$name) & x$diff > 2,]
 score name diff
2     5   A1    4

修改

之前的解决方案是错误的，这里是正确的（我希望）。我按名称对元素进行分组，并且只保留具有特定条件的行（类似于异常值）

df <- data.frame(score=c(1,5,1,3,3,6,6),name=c("A1","A1","A2","A3","A3","A2","A1")) by(df$score, df$name, FUN=function(x) if(max(x) > 2*max(x[-which.max(x)])) max(x) df$name: A1 [1] NA ------------------------------------------------------------------------------------------------ df$name: A2 [1] 6 ------------------------------------------------------------------------------------------------ df$name: A3 [1] NA else NA)

Answer 2

试试这个：

   
> aggregate(score~name, data=df, max)
   name score
1   A1     5
2   A2     1
3   A3     3

R - 使用apply来比较之前的行

2 个答案: