Question

我有一个包含一些数字（得分）和重复ID的数据框。我想获得每个ID的最大值。我用过这个功能

top = aggregate(df$score, list(df$ID),max)

这为我返回了一个顶级数据框，其最大值对应于每个ID。

但实际上，对于其中一个ID，我们有两个EQUAL最大值。但是这个函数忽略了第二个值。

有没有办法保留最大值。？

例如：

DF

以上功能给了我这个：顶

ID    Score
1     15
2     23

我需要这个：顶

ID   Score
1    15
1    15
2    23

Answer 1

您可以转换为data.table：

DT <- as.data.table(df)
DT[, .SD[score == max(score)], by=ID]

Answer 2

我建议克里斯提到data.table（对速度有利，但学习曲线更陡峭）。或者，如果您不想data.table，则可以使用plyr：

library(plyr)
ddply(df, .(ID), subset, score==max(score))
# same as ddply(df, .(ID), function (x) subset(x, score==max(score)))

Answer 3

坚持data.frame：

df[unlist(by(df, df$ID, FUN=function(D) rownames(D)[D$score == max(D$score)] )),]
#  ID score
#2  1    15
#4  1    15
#5  2    23

这是有效的，因为by会根据df将df$ID拆分为data.frames列表，但保留rownames的原始df（见by(df, df$ID, I)）。因此，返回每个组中与最大rownames值对应的每个D子集的score仍可用于对原始df进行子集化。

Answer 4

这是一个dplyr解决方案。

library(dplyr)

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

否则，为了建立您已完成的工作，我们可以在您的“顶部”数据框架上使用merge的偷偷摸摸的属性，请参阅以下示例：

df1 <- data.frame(ID = c(1,1,5,2), score = c(5,5,2,6))

top_df <- data.frame(ID = c(1,2), score = c(5,6))

merge(df1, top_df)

给出：

Answer 5

一个简单的基础R解决方案：

df <- data.frame(ID = c(1, 1, 1, 1, 2, 2, 2), 
                 score = c(12, 15, 1, 15, 23, 12, 13))

有几个选择：

df[df$score %in% tapply(df$score, df$ID, max), ] 
df[df$score %in% aggregate(score ~ ID, data = df, max)$score, ]
df[df$score %in% aggregate(df$score, list(df$ID), max)$x, ]

输出：

使用sqldf：

library(sqldf)
sqldf('SELECT df.ID, score FROM df 
  JOIN (SELECT ID, MAX(score) AS score FROM df GROUP BY ID)
  USING (score)')

输出：

R中有两个相等的最大值

5 个答案: