对于每个组，找到具有几列最大值的观察值

Question

假设我有一个像这样的数据框：

set.seed(4)
df<-data.frame(
    group = rep(1:10, each=3),
    id = rep(sample(1:3), 10),
    x = sample(c(rep(0, 15), runif(15))),
    y = sample(c(rep(0, 15), runif(15))),
    z = sample(c(rep(0, 15), runif(15)))
)

如上所示，x、y、z 向量的某些元素取值为零，其余的取自 0 和 1 之间的均匀分布。

对于由第一列确定的每个组，我想从第二列中找到三个 ID，分别指向组中变量 x、y、z 的最大值。假设没有平局，除了变量在给定组的所有观察中取值为 0 的情况 - 在这种情况下，我不想返回任何数字作为具有最大值的行的 id。

输出如下所示：

group  x  y  z
  1    2  2  1
  2    2  3  1
 ...  .........

我的第一个想法是为每个变量分别选择具有最大值的行，然后使用merge 将其放入一个表中。但是，我想知道是否可以在没有 merge 的情况下完成它，例如使用标准的 dplyr 函数。

Answer 1

这是我使用plyr 提出的解决方案：

ddply(df,.variables = c("group"),
.fun = function(t){apply(X = t[,c(-1,-2)],MARGIN = 2,
function(z){ifelse(sum(abs(z))==0,yes = NA,no = t$id[which.max(z)])})})

#   group  x  y  z
#1      1  2  2  1
#2      2  2  3  1
#3      3  1  3  2
#4      4  3  3  1
#5      5  2  3 NA
#6      6  3  1  3
#7      7  1  1  2
#8      8 NA  2  3
#9      9  2  1  3
#10    10  2 NA  2

Answer 2

解决方案使用dplyr 和tidyr。请注意，如果所有数字都相同，我们无法决定应该选择哪个id。因此添加了filter(n_distinct(Value) > 1) 以删除这些记录。在最终输出df2 中，NA 表示所有数字都相同的情况。如果我们愿意，我们可以决定是否在以后估算那些NA。此解决方案适用于任意数量的id 或列（x、y、z、...）。

library(dplyr)
library(tidyr)

df2 <- df %>%
  gather(Column, Value, -group, -id) %>%
  arrange(group, Column, desc(Value)) %>%
  group_by(group, Column) %>%
  # If all values from a group-Column are all the same, remove that group-Column
  filter(n_distinct(Value) > 1) %>%
  slice(1) %>%
  select(-Value) %>%
  spread(Column, id)

Answer 3

如果您只想坚持使用dplyr，可以使用多列summarize/mutate 函数。无论id 的形式如何，这都应该有效；我最初的尝试稍微干净一些，但假设 id 为零是无效的。

df %>%
  group_by(group) %>%
  mutate_at(vars(-id), 
            # If the row is the max within the group, set the value
            # to the id and use NA otherwise
            funs(ifelse(max(.) != 0 & . == max(.),
                        id,
                        NA))) %>%
  select(-id) %>%
  summarize_all(funs(
    # There are zero or one non-NA values per group, so handle both cases
    if(any(!is.na(.)))
      na.omit(.) else NA))
## # A tibble: 10 x 4
##    group     x     y     z
##    <int> <int> <int> <int>
##  1     1     2     2     1
##  2     2     2     3     1
##  3     3     1     3     2
##  4     4     3     3     1
##  5     5     2     3    NA
##  6     6     3     1     3
##  7     7     1     1     2
##  8     8    NA     2     3
##  9     9     2     1     3
## 10    10     2    NA     2