Question

我正在用R的kaggle检查imdb电影数据集。

这是一个最小的repro数据集：

> movies <- data.frame(movie = as.factor(c("Movie 1", "Movie 2", "Movie 3", "Movie 4")), director = as.factor(c("Dir 1", "Dir 2", "Dir 1", "Dir 3")), director_rating =  c(1000, 2000, 1000, 3000))

> movies
    movie director director_rating
1 Movie 1    Dir 1            1000
2 Movie 2    Dir 2            2000
3 Movie 3    Dir 1            1000
4 Movie 4    Dir 3            3000

请注意，具有相同导演的每一行都具有相同的导演评级值。

我想列出导演，按评分排序，每位导演排一行。以下代码有效：

> library(dplyr)
> movies %>% 
  group_by(director) %>%
  summarize(director_rating = mean(director_rating)) %>%
  arrange(desc(director_rating))

    # A tibble: 3 x 2
  director director_rating
    <fctr>           <dbl>
1    Dir 3            3000
2    Dir 2            2000
3    Dir 1            1000

但是当我知道单个导演的所有评级相同时，计算平均值似乎很浪费。在R中执行此操作的更具惯用性/有效性的方法是什么？

Answer 1

实际上没有必要进行分组和总结，因为您只是在寻找不同/唯一的条目。因此，dplyr选项是：

select(movies, -movie) %>% 
  distinct() %>% 
  arrange(desc(director_rating))
#  director director_rating
#1    Dir 3            3000
#2    Dir 2            2000
#3    Dir 1            1000

或者如果您想保留其他列：

distinct(movies, director, .keep_all = TRUE) %>%   # for dplyr >= 0.5.0
  arrange(desc(director_rating))
#    movie director director_rating
#1 Movie 4    Dir 3            3000
#2 Movie 2    Dir 2            2000
#3 Movie 1    Dir 1            1000

Answer 2

这是base R选项：

unique(movies[,2:3])[order(-unique(movies[,2:3])[,2]),]
#  director director_rating
#4    Dir 3            3000
#2    Dir 2            2000
#1    Dir 1            1000

Answer 3

我们可以使用data.table

library(data.table)
setDT(movies)[, .(director_rating = director_rating[1]), director][order(-director_rating)]
#    director director_rating
#1:    Dir 3            3000
#2:    Dir 2            2000
#3:    Dir 1            1000

或setorder/unique来自unique的{{1}}也有data.table选项。

by

按列分组并按R

3 个答案: