确定分组数据框中的较低和较高值

Question

我有一个这种格式的数据框：

 pair_id group_id value
 <int>    <int>   <dbl>
    1        1    0.600
    1        2    0.400
    2        3    0.500
    2        4    0.500
    3        5    0.200
    3        6    0.800
    4        7    0.300
    4        8    0.700
    5        9    0.500
    5       10    0.500

使用以下代码sn-p生成：

library(tidyverse)

df <- tibble(pair_id = rep(1:5, each = 2),
             group_id = seq(1:10),
             value = c(0.6, 0.4, 0.5, 0.5, 0.2, 0.8, 0.3, 0.7, 0.5, 0.5))

我的目标是确定每个 pair_id 中的哪个 group_id 具有更高的值，哪个具有更低的值。一旦确定，我想将“较高”分配给具有较高值的​​ group_id，将“较低”分配给具有较低值的 group_id。

但是，需要注意的是，如果两个组的值相等（例如，两个组的值都是 0.5，如示例中的第 2 对和第 5 对），则应确定“更高”或“更低”的分配随意。

我们的目标是生成一个带有新列的数据框，比如 group_rank，它应该如下所示：

pair_id group_id value group_rank
 <int>    <int> <dbl>  <chr>     
  1        1    0.600  higher    
  1        2    0.400  lower     
  2        3    0.500  higher    
  2        4    0.500  lower     
  3        6    0.800  higher    
  3        5    0.200  lower     
  4        8    0.700  higher    
  4        7    0.300  lower     
  5        9    0.500  lower     
  5       10    0.500  higher 

在 tidyverse 框架中是否有一种简单的方法来实现这一点？

Answer 1

按'pair_id'分组后，在'value'列上使用which.min和which.max获取行索引，用于子集对应的'group_id'

df %>% 
  group_by(pair_id) %>% 
  summarise(groupMin = group_id[which.min(value)], groupMax = group_id[which.max(value)])

注意：如果“pair_id”有多个min 或max 值，则which.min 或which.max 仅获取第一个索引

---

如果有多个min 或max 值，则使用== 和sample 获取random 'group_id'

df %>%
   group_by(pair_id) %>%
   summarise(groupMin = sample(group_id[value == min(value)], 1),
             groupMax = sample(group_id[value == max(value)], 1) )

更新

基于 OP 的 cmets，我们 arrange 按 'pair_id' 和 'value' 降序排列，按 'pair_id' 分组，如果 'value' 中不同元素的数量等于 1，则分配 "更高”、“更低”的值由sampleing 或else 按“更高”后“更低”的顺序分配

df %>% 
   arrange(pair_id, desc(value)) %>% 
   group_by(pair_id) %>% 
   mutate(group_rank = case_when(n_distinct(value) == 1  ~ sample(c("higher", "lower")),
          TRUE ~ c("higher", "lower")))
# A tibble: 10 x 4
# Groups: pair_id [5]
#   pair_id group_id value group_rank
#     <int>    <int> <dbl> <chr>     
# 1       1        1 0.600 higher    
# 2       1        2 0.400 lower     
# 3       2        3 0.500 higher    
# 4       2        4 0.500 lower     
# 5       3        6 0.800 higher    
# 6       3        5 0.200 lower     
# 7       4        8 0.700 higher    
# 8       4        7 0.300 lower     
# 9       5        9 0.500 lower     
#10       5       10 0.500 higher