r 中不同数据帧行的每列的最大值

Question

假设有一个有序的 df，其中包含一个 ID 列，以及其他包含数字数据的列，按最后一列排序。

ID <- c(123, 142, 21, 562, 36, 721, 847, 321)
A <- c(96, 83, 73, 47, 88, 65, 72, 67)
B <- c(72, 69, 88, 75, 63, 89, 48, 80)
C <- c(95, 94, 94, 94, 65, 81, 75, 75)
D <- c(63, 88, 89, 88, 89, 79, 88, 79)
Rating <- c(97, 95, 92, 87, 85, 83, 79, 77)
df <- data.frame(ID, A, B, C, D, Rating)
df
#   ID  A  B  C  D Rating
#1 123 96 72 95 63     97
#2 142 83 69 94 88     95
#3  21 73 88 94 89     92
#4 562 47 75 94 88     87
#5  36 88 63 65 89     85
#6 721 65 89 81 79     83
#7 847 72 48 75 88     79
#8 321 67 80 75 79     77

目的是获取每个组/列的最大值及其 ID，并且每一对都需要来自不同的行（唯一 ID）。对于一列具有相同值的两个 ID，请选择具有更好评级的 ID。

我所做的是使用 apply() 函数从每列中获取最大值，提取具有该值的 ID，并将它们全部连接到数据框中。因为我仍然缺少第 4 列的 ID，所以我使用反连接将之前的 ID 取出并重复该过程以获取此数据框：

my_max <- data.frame(apply(df, 2, max))
A2 <- df[which(df$A == my_max[2,1]),]%>% dplyr::select(ID, A)
B2 <- df[which(df$B == my_max[3,1]),]%>% dplyr::select(ID, B)
C2 <- df[which(df$C == my_max[4,1]),]%>% dplyr::select(ID, C)
D2 <- df[which(df$D == my_max[5,1]),]%>% dplyr::select(ID, D)
all <- full_join(A2, B2, by='ID') %>% full_join(C2, by='ID') %>% full_join(D2, by='ID')
all <- all[-c(4),]
df <- anti_join(df, all, by='ID')
my_max <- data.frame(apply(df, 2, max))
C2 <- df[which(df$C == my_max[4,1]),]%>% dplyr::select(ID, C)
all <- all %>% full_join(C2, by='ID')
all <- all[-c(5),-c(4)]

终于给我了：

all
#   ID  A  B  D C.y
#1 123 96 NA NA  NA
#2 721 NA 89 NA  NA
#3  21 NA NA 89  NA
#4 142 NA NA NA  94

有没有更干净或更简洁/有效的方法来做到这一点？不一定是一样的方式，也许只是ID和角色之类的：

#   ID  Group
#1 123    A
#2 721    B
#3 142    C
#4 21     D

Answer 1

这是一个处理重复 ID 的dplyr 解决方案。首先，我们pivot_longer 将所有字母放在一个列中。然后我们group_by这些字母。最后，在每个字母中，我们按值排序（以及对值关系的评分）并选择第一个元素来获取每个 ID。

library(dplyr)

df %>% 
  pivot_longer(cols = c("A", "B", "C", "D")) %>% 
  group_by(Group = name) %>%
  summarise(ID = ID[order(-value, -Rating)[1]])
#> # A tibble: 4 x 2
#>   Group    ID
#>   <chr> <dbl>
#> 1 A       123
#> 2 B       721
#> 3 C       123
#> 4 D        21

Answer 2

另一个dplyr/purrr 解决方案，不如艾伦的简洁。

find_max <- function(gg){
    tibble(
        group=gg, 
        ID= df %>% select(all_of(c(gg,"Rating","ID"))) %>% 
        arrange_all(desc) %>% slice(1) %>% pull(ID))
}

c("A","B","C","D") %>% map_dfr(find_max)

思路是用dplyr::arrange按组和Rating（降序）对数据框进行排序，然后保留第一行（最大值）的ID。使用purrr::map_dfr 进行迭代，直接产生一个小标题。

输出是：

# A tibble: 4 x 2
  group    ID
  <chr> <dbl>
1 A       123
2 B       721
3 C       123
4 D        21

Answer 3

基于this answer并使用dplyr：

df %>%
  group_by(ID) %>%
  mutate(max.val = pmax(A, B, C, D)[which.max(Rating)]) %>%
  summarise_each(list(max)) %>%
  mutate(top.col=apply(.[,2:5], 1, function(x) names(x)[which.max(x)])) %>%
  select(-c(A, B, C, D, Rating))

你得到

# A tibble: 8 x 3
     ID max.val top.col
  <dbl>   <dbl> <chr>  
1    21      94 C      
2    36      89 D      
3   123      96 A      
4   142      94 C      
5   321      80 B      
6   562      94 C      
7   721      89 B      
8   847      88 D  

Answer 4

我看到一些解决方案不处理重复的 ID。例如，A 组和 C 组的 ID 均为 123。

要获得与您的问题的最终结果相似的输出，处理重复 ID 的另一种解决方案如下

# initialization
variables <- c("A", "B", "C", "D")
df_max <- data.frame(ID = numeric(length(variables)), Group = variables)

for(column in variables){
  temp_id <- df %>% 
    filter(!(ID %in% df_max$ID)) %>% 
    arrange(desc(!!rlang::sym(column)), desc(Rating)) %>% 
    slice(1) %>% 
    select(ID) %>%
    as.numeric(ID)
  df_max[df_max$Group == column, "ID"] <- temp_id
}

基本上，filter 步骤确保我们不考虑已选择的 ID。

输出

# > df_max
#
#    ID Group
# 1 123     A
# 2 721     B
# 3 142     C
# 4  21     D