按行组选择第一个第n行的行数不同

Question

我喜欢在数据框中选择每组的第一行（2,3,0,4）。

> f<-data.frame(group=c(1,1,1,2,2,3,4),y=c(1:7))
> 
>   group y
>      1 1
>      1 2
>      1 3
>      2 4
>      2 5
>      3 6
>      4 7

并获得如下数据框

group y
1 1
1 2
2 4
2 5
4 7

我尝试使用by和head，但是头部没有使用矢量。

感谢您的帮助。

Answer 1

使用更传统的lapply：

k <- c(2,3,0,4)
fs <- split(f, f$group)
do.call(rbind,lapply(seq_along(k), function(i) head(fs[[i]], k[i])))

结果是：

  group y
1     1 1
2     1 2
4     2 4
5     2 5
7     4 7

Answer 2

使用plyr：

library(plyr)
rows <- c(2,3,0,4)
ddply(f,.(group),function(x)head(x,rows[x[1,1]]))
        group y
    1     1 1
    2     1 2
    3     2 4
    4     2 5
    5     4 7

编辑：

误解了这么更新的答案

Answer 3

带索引的函数版本。

fun1 <- function(){
  idx <- c(0,which(diff(f$group)!=0))+1
  idx2 <- unlist(lapply(1:length(nf),function(x)  seq.int(from=idx[x],length.out=nf[x])),use.names=F)
  f1 <- f[idx2,]
  return(f1)
}

fun2 <- function(){
  ddply(f,.(group),function(x) head(x,nf[x[1,1]]))
}

测试数据（问题作者建议的大小）

f<-data.frame(group=sample(1:1000,50000,T),y=c(1:50000))
f <- f[order(f$group),]
nf <- rpois(length(unique(f$group)),3) 

system.time（FUN1（））    system.time（FUN2（））

在我的系统上〜快了60倍。