Question

我有一个大型数据框，其中多行是针对单个ID的重复测量。我想为每个人返回具有最大列值的行。基本上按照SQL执行group.by（）函数。

数据框（用于说明目的）

我想调用max（lac）并返回以下结果。

ID lac pO2
M1 4   80
M2 3   70
M3 5   75

我已经四处看看并认为by（）函数可能有用，但是没有任何乐趣（代码如下）。

newdf <- by(df, df$ID, max(df$lac))

Error in FUN(X[[1L]], ...) : could not find function "FUN"

我也看了tapply，但这不起作用，因为我使用的是数据帧而不是矢量。

newdf <- tapply(df, df$ID, max)

Error: "arguments must have same length"

我看过similar answers，但这些没有帮助。我很感激那些比我更有经验的人的一些意见！

修改

挖得更深一点我发现this question表明plyr包可能有用。

Answer 1

试试这个：

> by(mtcars, mtcars$cyl, max)
mtcars$cyl: 4
[1] 146.7
--------------------------------------------------------------------------------------- 
mtcars$cyl: 6
[1] 258
--------------------------------------------------------------------------------------- 
mtcars$cyl: 8
[1] 472

或者使用plyr：

> require(plyr)
Loading required package: plyr
> ddply(mtcars, .(cyl), max)
  cyl    V1
1   4 146.7
2   6 258.0
3   8 472.0

Answer 2

对于大数据集，请尝试data.table（假设df是您的数据集）

library(data.table)
setDT(df)[, .SD[which.max(lac)], by = ID]

##    ID lac pO2
## 1: M1   4  80
## 2: M2   3  70
## 3: M3   5  75

Answer 3

使用plyr找到解决方案，如更新中所述。

使用的代码是：

max_lac <- ddply(.data=df, .variables=.(ID), function(x) 
+ x[which(x$lac == max(x$lac)), ])

Answer 4

如果你正在处理大型数据集，这里有一个dplyr替代方案：

library(dplyr)

df %>% group_by(ID) %>% filter(lac == max(lac))

#Source: local data frame [3 x 3]
#Groups: ID
#
#  ID lac pO2
#1 M1   4  80
#2 M2   3  70
#3 M3   5  75

请注意，如果同一组ID中有多个行具有最大值，则此函数将返回包含lac中最大值的所有行，而使用which.max(.)的函数将仅返回第一行包含最大值（每组）。

如果您只想返回每组的第一个最大值，您可以使用例如：

df %>% group_by(ID) %>% filter(1:n() == which.max(lac))

或

df %>% group_by(ID) %>% filter(lac == max(lac)) %>% do(head(.,1))

Answer 5

（如果你看看ddply和which.max）可以吗？：

ddply(df,.ID,function(x){x[which.max(x$lac)),]}

在R数据帧中对分组行执行功能

5 个答案: