如何从 dplyr 数据框中的每个组中选择最后 N 个观察值？答案

【问题标题】：How to select last N observation from each group in dplyr dataframe?如何从 dplyr 数据框中的每个组中选择最后 N 个观察值？
【发布时间】：2019-05-28 09:39:03
【问题描述】：

给定一个数据框：

df <- structure(list(a = c(1, 1, 1, 2, 2, 2, 3, 3, 4, 4), b = c(34, 
343, 54, 11, 55, 62, 59, -9, 0, -0.5)), row.names = c(NA, -10L
), class = c("tbl_df", "tbl", "data.frame"))

我想从每个组中获取最后 N 个观察结果/行：

df %>% 
dplyr::group_by(a) %>% 
dplyr::last(2)

给我错误的结果。

我希望它是：

请指教这里出了什么问题？

我得到的错误是：

顺序错误（order_by）[[n]]：下标超出范围

【问题讨论】：

Select first and last row from grouped data的可能重复

标签： r dplyr

【解决方案1】：

试试tail().In R head函数可以让你预览前n行，而tail可以让你预览最后n行。

【讨论】：

【解决方案2】：

因为这是一个基于dplyr的具体问题

1) 在group_by 之后，在row_number() 上使用slice

library(tidyverse)
df %>% 
   group_by(a) %>% 
   slice(tail(row_number(), 2))
# A tibble: 8 x 2
# Groups:   a [4]
#      a      b
#  <dbl>  <dbl>
#1     1  343  
#2     1   54  
#3     2   55  
#4     2   62  
#5     3   59  
#6     3   -9  
#7     4    0  
#8     4   -0.5

2) 或者使用filter from dplyr

df %>% 
   group_by(a) %>% 
   filter(row_number() >= (n() - 1))

3) 或do 和tail

df %>%
    group_by(a) %>% 
    do(tail(., 2))

4) 除了tidyverse, 方法，我们还可以使用紧凑的data.table

library(data.table)
setDT(df)[df[, .I[tail(seq_len(.N), 2)], a]$V1]

5) 或by 来自base R

by(df, df$a, FUN = tail, 2)

6) 或aggregate 来自base R

df[aggregate(c ~ a, transform(df, c = seq_len(nrow(df))), FUN = tail, 2)$c,]

7) 或split 来自base R

do.call(rbind, lapply(split(df, df$a), tail, 2))

【讨论】：

为什么不用tail函数？
@steves 如果你使用df %>% group_by(a) %>% tail(2)，它将获得整个数据集的最后两行，而不是在组内
和 last() 函数？
@steves last 用于sumarise/mutate 内的不同上下文中，以获取特定列的last 元素。

【解决方案3】：

使用tapply 的基本 R 选项是对每个组的最后两行进行子集化。

df[unlist(tapply(1:nrow(df), df$a, tail, 2)), ]

#     a      b
#  <dbl>  <dbl>
#1     1  343  
#2     1   54  
#3     2   55  
#4     2   62  
#5     3   59  
#6     3   -9  
#7     4    0  
#8     4   -0.5

或者使用ave的另一个选项

df[as.logical(with(df, ave(1:nrow(df), a, FUN = function(x) x %in% tail(x, 2)))), ]

【讨论】：

【解决方案4】：

还有tidyverse 的可能性：

df %>%
 group_by(a) %>%
 top_n(2, row_number())

      a        b
  <dbl>    <dbl>
1    1.  343.   
2    1.   54.0  
3    2.   55.0  
4    2.   62.0  
5    3.   59.0  
6    3.   -9.00 
7    4.    0.   
8    4.   -0.500

考虑到每组的行号，它占据了前两行。

【讨论】：

我需要最后 N 行。