Question

我有一个数据框，比如说

df <- data.frame(x = c(1,2,5,6,3,3,3,6,8,8,8,8),
             y = c(1,1,1,1,1,2,3,1,1,2,3,4),
             z = c("a","b","c","d","e","f","g","h","i","j","k","l"))

看起来像这样

我想从列x中选择唯一的元素，基于列y使得y应该是最大的（在这种情况下，对于行号5到7是3'3，我想选择x = 3对应于y = 3（最大值），类似于x = 8，我想选择y = 4行）

输出应该如下所示

我有一个解决方案，我在解决方案中发布，但如果有更好的方法来实现这一点，我的解决方案只适用于这种特定情况（选择最大的）什么是一般案例解决方案此？

Answer 1

使用dplyr

的一种解决方案

library(dplyr) 
df %>% 
 group_by(x) %>% 
 slice(max(y))

#      x     y     z
#  (dbl) (dbl) (chr)
#1     1     1     a
#2     2     1     b
#3     3     3     g
#4     5     1     c
#5     6     1     d
#6     8     4     l

base R替代方案正在使用aggregate

aggregate(y~x, df, max)

Answer 2

您可以使用dplyr链和dplyr的{{1}}函数获得相同的结果。使用group_by函数后，链中的其余函数将应用于组中，而不是整个data.frame。所以，group_by每个filter的分组值max(y)只留下x。这可以扩展为用于min y或特定值。

我认为使用ungroup来group_by链末尾的数据通常是一种很好的做法，以避免任何意外行为。

library(dplyr)
df <- data.frame(x = c(1,2,5,6,3,3,3,6,8,8,8,8),
             y = c(1,1,1,1,1,2,3,1,1,2,3,4),
             z = c("a","b","c","d","e","f","g","h","i","j","k","l"))
df %>% 
  group_by(x) %>% 
  filter(y==max(y)) %>% 
  ungroup()

为了使其更通用...而是说您希望mean y代表x而不是max。然后，您可以使用summarise函数代替filter，如下所示。

df %>% 
  group_by(x) %>% 
  summarise(y=mean(y)) %>% 
  ungroup()

Answer 3

使用data.table我们可以使用df[order(z), .I[which.max(y)], by = x]来获取感兴趣的rownumbers，例如：

library(data.table)
setDT(df)
df[df[order(z), .I[which.max(y)], by = x][, V1]]

   x y z
1: 1 1 a
2: 2 1 b
3: 5 1 c
4: 6 1 d
5: 3 3 g
6: 8 4 l

Answer 4

这是我使用dplyr软件包的解决方案

library(dplyr)
df <- data.frame(x = c(1,2,5,6,3,3,3,6,8,8,8,8),
                 y = c(1,1,1,1,1,2,3,1,1,2,3,4),
                 z = c("a","b","c","d","e","f","g","h","i","j","k","l"))
df <- arrange(df,desc(y))
df_out <- df[!duplicated(df$x),]
df_out

打印df_out

Answer 5

假设数据框按照示例中的df[order(df$x, df$y),]排序，您可以使用基本R函数split，lapply和do.call/rbind来提取使用＆＃34; split / apply / combine＆＃34;方法

do.call(rbind, lapply(split(df, df$x), function(i) i[nrow(i),]))
  x y z
1 1 1 a
2 2 1 b
3 3 3 g
5 5 1 c
6 6 1 h
8 8 4 l

split将data.frame分解为基于x的列表。此列表被送到lapply，它选择每个data.frame的最后一行，并将这一行data.frames作为列表返回。然后使用rbind将此列表do.call编辑到单个数据框中。

根据R中多个列的条件，仅选取特定列

5 个答案: