根据值减少数据集

Question

我有一个数据集

dtf<-data.frame(id=c("A","A","A","A","B","B","B","B"), value=c(2,4,6,8,4,6,8,10))

对于每个 id，值按升序排序

我想减少 dtf 以仅包含值超过指定限制的每个 id 的第一行。每个id 只有一行，这应该是value 首先超过指定限制的那一行。

对于这个例子和5的限制，dtf应该减少到：

A 6
B 6

这是一个很好的方法吗？

非常感谢

Answer 1

可以使用aggregate:

dtf<-data.frame(id=c("A","A","A","A","B","B","B","B"), value=c(2,4,6,8,4,6,8,10))

limit <- 5

aggregate(value ~ id, dtf, function(x) x[x > limit][1])

结果：

  id value
1  A     6
2  B     6

---

更新：多列的解决方案：

一个示例数据框，dtf2：

dtf2 <- data.frame(id=c("A","A","A","A","B","B","B","B"), 
                   value=c(2,4,6,8,4,6,8,10),
                   col3 = letters[1:8],
                   col4 = 1:8)

一个解决方案包括ave:

with(dtf2, dtf2[ave(value, id, FUN = function(x) cumsum(x > limit)) == 1, ])

结果：

  id value col3 col4
3  A     6    c    3
6  B     6    f    6

Answer 2

这取决于您的 data.frame 被排序：

threshold <- 5
foo <- dtf[dtf$value>=threshold,]
foo[c(1,which(diff(as.numeric(as.factor(foo$id)))>0)),]

Answer 3

aggregate 的另一种方法：

> aggregate(value~id, dtf[dtf[,'value'] > 5,], min)
  id value
1  A     6
2  B     6

这取决于被排序的元素，因为那将是min返回的条目

Answer 4

这是一个使用data.table 的“不错”选项：

library(data.table)
DT <- data.table(dft, key = "id")

DT[value > 5, head(.SD, 1), by = key(DT)]
#    id value
# 1:  A     6
# 2:  B     6

并且，本着分享的精神，一个使用 sqldf 的选项可能会更好，这取决于您是否对 SQL 感觉更舒服。

sqldf("select id, min(value) as value from dtf where value > 5 group by id")
#   id value
# 1  A     6
# 2  B     6

---

更新：源数据无序，data.frame 包含多列

根据您对某些答案的 cmets，您的“值”列可能不像您的示例中那样排序，并且您的 data.frame 中还有其他列.

对于这些场景，这里有两种选择，一种是data.table，我觉得它最容易阅读，而且很可能是最快的，另一种是这种任务通常需要的典型“拆分-应用-组合”方法.

首先，一些示例数据：

dtf2 <- data.frame(id = c("A","A","A","A","B","B","B","B"),
                   value = c(6,4,2,8,4,10,8,6),
                   col3 = letters[1:8],
                   col4 = 1:8)
dtf2 # Notice that the value column is not ordered
#   id value col3 col4
# 1  A     6    a    1
# 2  A     4    b    2
# 3  A     2    c    3
# 4  A     8    d    4
# 5  B     4    e    5
# 6  B    10    f    6
# 7  B     8    g    7
# 8  B     6    h    8

二，data.table 方法：

library(data.table)
DT <- data.table(dtf2)
DT # Verify that the data are not ordered
#    id value col3 col4
# 1:  A     6    a    1
# 2:  A     4    b    2
# 3:  A     2    c    3
# 4:  A     8    d    4
# 5:  B     4    e    5
# 6:  B    10    f    6
# 7:  B     8    g    7
# 8:  B     6    h    8
DT[order(value)][value > 5, head(.SD, 1), by = "id"]
#    id value col3 col4
# 1:  A     6    a    1
# 2:  B     6    h    8

二、base R 常用的“split-apply-combine”方式：

do.call(rbind,
        lapply(split(dtf2, dtf2$id), 
               function(x) x[x$value > 5, ][which.min(x$value[x$value > 5]), ]))
#   id value col3 col4
# A  A     6    a    1
# B  B     6    h    8

Answer 5

也可以，plyr 和 head 的替代方案：

library(plyr)
dtf<-data.frame(id=c("A","A","A","A","B","B","B","B"), value=c(2,4,6,8,4,6,8,10))
limit <- 5
result <- ddply(dtf, "id", function(x) head(x[x$value > limit ,],1) )


    > result
  id value
1  A     6
2  B     6