Question

我试图弄清楚如何在一个组中只取出前5行而不用替换另一个变量值。例如，如果现有数据表（或框架）如下所示：

但我只想为每个组获得前5行，但不会替换组中的V1值。所以我想要的结果表是......：

我一直尝试使用for循环，一次遍历每个id。为每个id取前5行，并在前面的id中排除后面的V1值。但是由于我的数据非常大（id的数量超过一百万），for循环需要永远通过所有id。

有没有比我聪明的人能帮助我找到更好，更有效，更聪明的方法来解决这个问题？非常感谢！

Answer 1

以下是三个步骤中的选项：

# create a vector to store set values
x <- numeric()
# compute the values by id and update x in the process
res <- lapply(split(df$V1, df$id), function(y) {
     y <- head(setdiff(y, x), 5)
     x <<- union(x, y)
     if(!length(y)) NA else y
})
# combine the result to data.frame
stack(res)
#   values ind
#1     101   1
#2     102   1
#3     103   1
#4     104   1
#5     105   1
#6     107   2
#7     108   2
#8     109   2
#9     110   2
#10    111   2
#11     NA   3

Answer 2

仍在努力。这就是我提出的（请注意，因为id = 3只有重复值，所以最后不会显示）。人们可以改变这一点。我不确定性能。会看看我是否能想出更聪明的东西......

df = data.frame (id = c (1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,
      2,2,2,2,2,3,3,3,3,3,3,3,3,3,3),
V1 = c(101,102, 103,104,105,106,107,108,109,110,101,
103,105,107,108,109,110,111,112,101,104,
105,107,108,109,110,101,102,103,104))


df2 <- df
for (i in unique(df$id)) {
   dfsel <- data.frame(df2 %>% group_by(id) %>% filter(row_number() <= 5 & id == i))
   df3 <- df2[!(df2$V1 %in% dfsel$V1) & df2$id != i,]
   df2 <- rbind(dfsel,df3)
}
df2[with (df2, order(id)),]

结果是

编辑：找到另一种方式。可能不是真的更聪明，但我玩得很开心:)一个人应该检查性能，没时间考虑它。

这是代码

dd <- split(df$V1, df$id)
maxdf <- data.frame(mx = rep(0,length(dd)))

maxdf[1,1] <- dd[[1]][5]
dd[[1]][dd[[1]] > maxdf[1,1]] <- NA

n <- unique(df$id)[2:length(unique(df$id))]
for (i in n) {
  dd[[i]][dd[[i]] <= maxdf[i-1,1]] <- NA
  maxdf[i,1] <- dd[[i]][!is.na(dd[[i]])][5]
  dd[[i]][dd[[i]] > maxdf[i,1]] <- NA
}

df <- stack(dd)
names(df) <- c("V1","id")
df <- df[!is.na(df$V1),]

PS：下面的解决方案仍然更加优雅：）

如何在不使用替换的情况下按组取前5行

2 个答案: