应用 group_by 并汇总数据，同时保留所有列的信息

Question

我有一个包含 22000 行和 25 列的大型数据集。我正在尝试根据其中一列对我的数据集进行分组，并根据分组数据集获取另一列的最小值。但是，问题是它只给了我两列包含分组列和具有最小值的列......但是我需要与具有最小值的行相关的其他列的所有信息。 这是一个简单的示例，只是为了使其可重现：

    data<- data.frame(a=1:10, b=c("a","a","a","b","b","c","c","d","d","d"), c=c(1.2, 2.2, 2.4, 1.7, 2.7, 3.1, 3.2, 4.2, 3.3, 2.2), d= c("small", "med", "larg", "larg", "larg", "med", "small", "small", "small", "med"))

    d<- data %>%
    group_by(b) %>%
    summarise(min_values= min(c))
    d
    b min_values
    1 a        1.2
    2 b        1.7
    3 c        3.1
    4 d        2.2

因此，我还需要与列 a 和 d 相关的信息，但是，由于 c 列中的值有重复项，因此我无法根据 min_value 列合并它们...我想知道是否有任何使用 dplyr 包时保留其他列信息的方法。

我在这里“dplyr: group_by, subset and summarise”和“Finding percentage in a sub-group using group_by and summarise”找到了一些解释，但没有一个能解决我的问题。

Answer 1

使用sqldf：

library(sqldf)
 # Two options:
sqldf('SELECT * FROM data GROUP BY b HAVING min(c)')
sqldf('SELECT a, b, min(c) min, d FROM data GROUP BY b')

输出：

   a b   c     d
1  1 a 1.2 small
2  4 b 1.7  larg
3  6 c 3.1   med
4 10 d 2.2   med

Answer 2

这里有两个选项，使用来自 dplyr 的 a) filter 和 b) slice。在这种情况下，对于任何组，c 列中没有重复的最小值，因此 a) 和 b) 的结果是相同的。如果存在 重复的最小值，则方法 a) 将返回每组的每个最小值，而 b) 将仅返回每组中的一个最小值（第一个）。

a)

> data %>% group_by(b) %>% filter(c == min(c))
#Source: local data frame [4 x 4]
#Groups: b
#
#   a b   c     d
#1  1 a 1.2 small
#2  4 b 1.7  larg
#3  6 c 3.1   med
#4 10 d 2.2   med

或者类似

> data %>% group_by(b) %>% filter(min_rank(c) == 1L)
#Source: local data frame [4 x 4]
#Groups: b
#
#   a b   c     d
#1  1 a 1.2 small
#2  4 b 1.7  larg
#3  6 c 3.1   med
#4 10 d 2.2   med

b)

> data %>% group_by(b) %>% slice(which.min(c))
#Source: local data frame [4 x 4]
#Groups: b
#
#   a b   c     d
#1  1 a 1.2 small
#2  4 b 1.7  larg
#3  6 c 3.1   med
#4 10 d 2.2   med

Answer 3

你可以使用group_by而不使用summarize：

data %>%
  group_by(b) %>%
  mutate(min_values = min(c)) %>%
  ungroup()