我想从整体中选择满足特定条件的元素子集。大约有20个元素，每个元素都有多个属性。我想从一个属性中选择五个与固定标准差异最小的元素，并在另一个属性上提供最高的平均值。
最后，我想将该功能应用于多组20个元素。
到目前为止，我已经能够“手动”识别子集，但除了返回值本身之外，我还希望能够返回值的索引。
目的：
我想找到X1的五个值的集合，它们与固定值（55）的差异最小，并为X2的平均值提供最大值。
我想为多套装做这件事。
##### generating example data
##### this has five groups, each with two variables x1 and x2
set.seed(271828)
grp <- gl(5,20)
x1 <- round(rnorm(100,45, 12), digits=0)
x2 <- round(rbeta(100,2,4), digits = 2)
id <- seq(1,100,1)
##### this is how the data would arrive for me to analyze
dat <- as.data.frame(cbind(id,grp,x1,x2))
数据将以此格式到达，id作为每个元素的唯一标识符。
##### pulling out the first group for demonstration
dat.grp.1 <- dat[ which(grp == 1), ]
crit <- 55
x <- t(combn(dat.grp.1$x1, 5))
y <- t(combn(dat.grp.1$x2, 5))
mean.x <- rowMeans(x)
mean.y <- rowMeans(y)
k <- (mean.x - crit)^2
out <- cbind(x, mean.x, k, y, mean.y)
##### finding the sets with the least amount of discrepancy
pick <- out[ which(k == min(k)), ]
pick
##### finding the sets with low discrepancy and high values of y (means of X2) by "hand"
sorted <- out[order(k), ]
head(sorted, n=20)
关于pick中的值，我可以看到X1的值是：
> pick
mean.x k mean.y
[1,] 55 47 48 48 52 50 25 0.62 0.08 0.31 0.18 0.54 0.346
[2,] 55 48 48 47 52 50 25 0.62 0.31 0.18 0.48 0.54 0.426
我想返回这些元素的id值，以便我知道我选择元素：3,8,10,11和18（因为与{{1}的差异而选择第2组}是相同的，但k的平均值更高）。
y现在“手动”这样做是有效的，但最好让它尽可能“不干涉”。
非常感谢任何帮助。
答案 0 :(得分：2)
你快到了。您可以将sorted的定义更改为
sorted <- out[order(k, -mean.y), ]
然后sorted[1,]（或者如果您更喜欢sorted[1,,drop=FALSE]）是您选择的集合。
如果您想要索引而不是/除了点之外，那么您可以包含更早的内容。替换：
x <- t(combn(dat.grp.1$x1, 5))
y <- t(combn(dat.grp.1$x2, 5))
与
idx <- t(combn(1:nrow(dat.grp.1), 5))
x <- t(apply(idx, 1, function(i) {dat.grp.1[i,"x1"]}))
y <- t(apply(idx, 1, function(i) {dat.grp.1[i,"x2"]}))
并在idx稍后加入out。
全部放在一起：
##### pulling out the first group for demonstration
dat.grp.1 <- dat[ which(grp == 1), ]
crit <- 55
idx <- t(combn(1:nrow(dat.grp.1), 5))
x <- t(apply(idx, 1, function(i) {dat.grp.1[i,"x1"]}))
y <- t(apply(idx, 1, function(i) {dat.grp.1[i,"x2"]}))
mean.x <- rowMeans(x)
mean.y <- rowMeans(y)
k <- (mean.x - crit)^2
out <- cbind(idx, x, mean.x, k, y, mean.y)
##### finding the sets with the least amount of discrepancy and among
##### those the largest second mean
pick <- out[order(k, -mean.y)[1],,drop=FALSE]
pick
给出了
mean.x k mean.y
[1,] 3 8 10 11 18 55 48 48 47 52 50 25 0.62 0.31 0.18 0.48 0.54 0.426
编辑：要求提供超过idx的说明;我想要更多选项，而不仅仅是我在评论中可以做的事情，所以我将它添加到我的答案中。还将解决子集上的循环问题。
idx是一个矩阵（15504 x 5），其中每一行都是数据帧的一组（5）索引。 apply允许逐行（逐行是边距1）对每行执行某些操作。这个值取值并使用它们来索引dat.grp.1的所需行并提取相应的x1值。我可以将dat.grp.1[i,"x1"]写为dat.grp.1$x1[i]。 idx的每一行都成为一列，而dat.grp.1的索引结果就是行，因此需要调换整个行。
如果您愿意，可以将循环拆开以查看每个步骤的工作原理。将函数转换为非匿名函数。
f <- function(i) {dat.grp.1[i,"x1"]}
并在idx的时间传递行。
> f(idx[1,])
[1] 45 27 55 39 41
> f(idx[2,])
[1] 45 27 55 39 29
> f(idx[3,])
[1] 45 27 55 39 47
> f(idx[4,])
[1] 45 27 55 39 48
这些是捆绑到x
> head(x,4)
[,1] [,2] [,3] [,4] [,5]
[1,] 45 27 55 39 41
[2,] 45 27 55 39 29
[3,] 45 27 55 39 47
[4,] 45 27 55 39 48
至于循环子集，plyr库对此非常方便。您设置它的方式（将感兴趣的子集分配给变量并使用它）使转换变得容易。您为一个子集创建答案所做的一切都将进入一个函数，该部分作为参数。
find.best.set <- function(dat.grp.1) {
crit <- 55
idx <- t(combn(1:nrow(dat.grp.1), 5))
x <- t(apply(idx, 1, function(i) {dat.grp.1[i,"x1"]}))
y <- t(apply(idx, 1, function(i) {dat.grp.1[i,"x2"]}))
mean.x <- rowMeans(x)
mean.y <- rowMeans(y)
k <- (mean.x - crit)^2
out <- cbind(idx, x, mean.x, k, y, mean.y)
out[order(k, -mean.y)[1],,drop=FALSE]
}
这基本上是你以前所拥有的，但摆脱了一些不必要的任务。
现在将其包裹在plyr电话中。
library("plyr")
ddply(dat, .(grp), find.best.set)
给出了
grp V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17 V18
1 1 3 8 10 11 18 55 48 48 47 52 50 25 0.62 0.31 0.18 0.48 0.54 0.426
2 2 8 10 12 15 16 53 35 55 76 56 55 0 0.71 0.20 0.43 0.50 0.70 0.508
3 3 4 10 15 17 20 47 48 73 55 52 55 0 0.67 0.54 0.28 0.42 0.31 0.444
4 4 2 11 13 17 19 47 46 70 62 50 55 0 0.35 0.47 0.18 0.13 0.47 0.320
5 5 3 6 10 17 19 72 40 58 66 39 55 0 0.33 0.42 0.32 0.32 0.51 0.380
我不知道这是你的结果的最佳格式，但它反映了你给出的例子。