Question

我想使用dplyr制作分组过滤器，其方式是在每个组中只返回具有最小值变量x的行。

我的问题是：正如预期的那样，在多个最小值的情况下，返回具有最小值的所有行。但在我的情况下，如果存在多个最小值，我只想要第一行。

以下是一个例子：

df <- data.frame(
A=c("A", "A", "A", "B", "B", "B", "C", "C", "C"),
x=c(1, 1, 2, 2, 3, 4, 5, 5, 5),
y=rnorm(9)
)

library(dplyr)
df.g <- group_by(df, A)
filter(df.g, x == min(x))

正如预期的那样，所有最小值都会返回：

Source: local data frame [6 x 3]
Groups: A

  A x           y
1 A 1 -1.04584335
2 A 1  0.97949399
3 B 2  0.79600971
4 C 5 -0.08655151
5 C 5  0.16649962
6 C 5 -0.05948012

使用ddply，我会以这种方式接近任务：

library(plyr)
ddply(df, .(A), function(z) {
    z[z$x == min(z$x), ][1, ]
})

......有效：

  A x           y
1 A 1 -1.04584335
2 B 2  0.79600971
3 C 5 -0.08655151

问：有没有办法在dplyr中解决这个问题？（出于速度原因）

Answer 1

更新

使用dplyr＆gt; = 0.3，您可以将slice函数与which.min结合使用，这将是我最喜欢的此任务方法：

df %>% group_by(A) %>% slice(which.min(x))
#Source: local data frame [3 x 3]
#Groups: A
#
#  A x          y
#1 A 1  0.2979772
#2 B 2 -1.1265265
#3 C 5 -1.1952004

原始答案

对于样本数据，也可以在彼此之后使用两个filter：

group_by(df, A) %>% 
  filter(x == min(x)) %>% 
  filter(1:n() == 1)

Answer 2

为了完整性：这是最终的dplyr解决方案，源自@hadley和@Arun的评论：

library(dplyr)
df.g <- group_by(df, A)
filter(df.g, rank(x, ties.method="first")==1)

Answer 3

对于那些可能感兴趣的人来说，这是一个data.table解决方案：

# approach with setting keys
dt <- as.data.table(df)
setkey(dt, A,x)
dt[J(unique(A)), mult="first"]

# without using keys
dt <- as.data.table(df)
dt[dt[, .I[which.min(x)], by=A]$V1]

Answer 4

这可以通过将row_number与group_by结合使用来实现。 row_number通过不仅通过值而且通过向量内的相对顺序分配等级来处理关系。要使每个组的第一行的最小值为x：

df.g <- group_by(df, A)
filter(df.g, row_number(x) == 1)

有关详细信息，请参阅dplyr vignette on window functions。

Answer 5

dplyr 提供 slice_min 函数，通过参数 with_ties = FALSE

library(dplyr)

df %>% 
  group_by(A) %>% 
  slice_min(x, with_ties = FALSE)

输出：

# A tibble: 3 x 3
# Groups:   A [3]
A         x      y
<fct> <dbl>  <dbl>
1 A         1  0.273
2 B         2 -0.462
3 C         5  1.08

Answer 6

我喜欢sqldf的简单性。

sqldf("select A,min(X),y from 'df.g' group by A")

输出：

A min(X)          y

1 A      1 -1.4836989

2 B      2  0.3755771

3 C      5  0.9284441

Answer 7

另一种方法：

set.seed(1)
x <- data.frame(a = rep(1:2, each = 10), b = rnorm(20))
x <- dplyr::arrange(x, a, b)
dplyr::filter(x, !duplicated(a))

结果：

  a          b
1 1 -0.8356286
2 2 -2.2146999

也可轻松调整以使每组中的行具有最大值。

Answer 8

来这里，寻找一种可以解决多个问题的方法。我相信，这将使前十名，最后的关系破裂

df.g %>%
top_n(-10,row_number(x))

dplyr filter：获取具有最小变量的行，但仅获取第一个if多个最小值

8 个答案:

更新

原始答案