标准 plyr 符号中的匹配函数答案

【问题标题】：Matching function within standard plyr notation标准 plyr 符号中的匹配函数
【发布时间】：2014-03-02 14:14:30
【问题描述】：

这应该很简单，但是尝试将任何类型的 match[] 语法插入 ddply 参数都会返回错误。如果可能的话，我正在寻找一种在标准 plyr 函数中执行此操作的方法。

我要做的就是总结一个数据框，然后对于我们找到给定值的其中一项，将其与数据框中另一项的对应值相匹配。

它是在这里完成的：Summarise in ddply，但语法变得混乱。

这是一个例子：

data <-  data.frame(
    spend = sample(50:100,50,replace=T),
    trials = sample(100:200,50,replace=T),
    country = sample(c("usa","canada","uk"),50,replace = T)
    )

我想按国家/地区汇总并获取“支出”的最大值。无论该值是什么，我都想为“Trials”提取相应的值。

data2 <- ddply(data, .(country), summarise,
    spend = max(spend),
....

我可以在“总结”中执行此操作还是必须使用自定义函数（df）参数？

【问题讨论】：

标签： r plyr

【解决方案1】：

在包裹中添加一个字母，

library(dplyr)
chain(data, 
      group_by(country),
      filter(spend == max(spend)))

【讨论】：

这太棒了。我是 dplyr 的新手……过滤器参数如何同时提取支出及其相应的试验次数？
我只能猜测——我第一次使用 dplyr
@MarcTulla 是filter(group_by(data, country), spend == max(spend)) 的快捷方式。 filter() 保留所有现有列。
@hadley 感谢您的跟进！我想我仍然很困惑：使用 filter() 来保留现有的列——默认情况下，该函数是否会拉入与 max(spend) 匹配的值？
@MarcTulla speed == max(spend) 计算每个组的逻辑向量。 filter() 保持所有行对应 TRUEs

【解决方案2】：

你可以使用which.max:

ddply(data, 
      .(country), 
      summarise, 
      trials=trials[which.max(spend)],
      spend=max(spend))

如果您正在做一些复杂的事情，或者更明确地说：

ddply(data, 
      .(country),
      summarise,
      trials=head(trials[spend == max(spend)], 1),
      spend=max(spend))

head(...) 调用是在有两行带有max(spend) 的情况下。此外，summarise 后面的参数顺序也很重要...

嗯，结果不是我所期望的！无论如何，我会使用dplyr（巴蒂斯特的回答）或data.table：

d <- data.table(data)

d[, .SD[spend==max(spend)], by=country]

【讨论】：

嗯，贾斯汀，我运行了这个，但它不匹配。我只是看到 Trials = 第一个“试用”数字，而不是与一个国家/地区内支出最大值匹配的数字
有一个非常讨厌的错误！结果似乎取决于summarise 之后的表达式顺序。试着把两条线颠倒一下，就可以了！
@baptiste wow... 再次正确。并相应地编辑了我的答案。
这不是错误，它在多个地方重用了相同的变量名。