Question

示例数据。我还不确定如何在SO上使用代码块系统。

df <- data.frame(c(1,1,1,2,2,2,3,3,3),c(1990,1991,1992,1990,1991,1992,1990,1991,1992),c(1,2,3,3,2,1,2,1,3))
colnames(df) <- c("id", "year", "value")

生成一个简单的矩阵。

id year value 1 1990 1 1 1991 2 1 1992 3 2 1990 3 2 1991 2 2 1992 1 3 1990 2 3 1991 1 3 1992 3

我正在对R子集问题进行排序，并且无法找出应用于它的ddply函数{plyr}的第二步。

逻辑：对于所有ID子组，在最早的时间点找到最高值（即3）。

我对这里使用的语法感到困惑。从搜索SO，我认为ddply是最好的选择，但无法弄清楚如何。理想情况下，我的输出应该是一个UNIQUE ID的向量（因为只有一个被选中，整个行都是用它。这对我来说不是在R中工作，但它是最好的＆＃34;逻辑＆＃34;我能想出来。

ddply( (ddply(df,id)), year, which.min(value) )

E.g。

id year value 1 1992 3 2 1990 3 3 1992 3

如果3不可用，则应采用下一个最高（2或1）。有什么想法吗？

Answer 1

您需要了解ddply根据拆分变量将原始data.frame拆分为data.frames。因此，它需要一个带有data.frame作为参数和返回值的函数。

library(plyr)
ddply(df,.(id),function(DF) {res <- DF[which.max(DF$value),]
                             res[which.min(res$year),]})

#   id year value
# 1  1 1992     3
# 2  2 1990     3
# 3  3 1992     3

Answer 2

我相信data.table对你来说是最好的工具（无论是速度还是语法原因）：

library(data.table)
dt = data.table(df)

# order by year, and then take the first row for each id that has max 'value'
dt[order(year), .SD[which.max(value)], by = id]
#   id year value
#1:  1 1992     3
#2:  2 1990     3
#3:  3 1992     3

# if you're after speed, this slightly worse syntax is the current way of achieving it
dt[dt[order(year), .I[which.max(value)], by = id]$V1]

R子集数据帧并基于列执行功能

2 个答案: