R如何按组取最高值，直到其总和超过一个值答案

【问题标题】：R how to take top values by group until its sum exceeds a valueR如何按组取最高值，直到其总和超过一个值
【发布时间】：2014-09-14 03:25:07
【问题描述】：

我有一个这样的数据框

set.seed(500)
df=data.frame(group=c(rep("A",20),rep("B",20),rep("C",20),rep("D",20)),value=round(runif(80,min=1,max=100)))

对于每个组，我想取最高值行，直到它们的总和超过/达到目标值

target=data.frame(group=c("A","B","C","D"),value=c(1000,400,500,300))

并将新组输出为 4 个数据帧。

我将它们从大到小排序

df=df[with(df, order(group,-value)), ]

想要的输出是

group value
a    98
a    93
...
a  (sum from 98 to here, the group a subtotal should exceed 1000)
b  93
...
c   99

最好的方法是什么？

谢谢。

【问题讨论】：

那么您能否为您的样本数据提供所需的输出？我真的很困惑结果应该是什么。
假设如果组 a 小计一行的 11 变为 1000。而下一行是 0，那么，下一行 15 又是 1000。那么，你是说你想要最多 13 行？
@santoku 我更新了代码。我希望这对你有用

标签： r sum dataframe cumsum

【解决方案1】：

你也可以这样做：（使用有序的df）

 indx <- rep(target$value, table(df$group))
 val1 <- with(df, ave(value, group, FUN=cumsum))
 df[val1 <=indx,]
 #       group value
 #3      A    98
 #8      A    93
 #12     A    89
 #1      A    84
 #9      A    83
 #5      A    81
 #13     A    77
 #2      A    73
 #15     A    73
 #10     A    71
 #18     A    62
 #19     A    61
 #7      A    52
 #39     B    93
 #28     B    90
 #36     B    84
 #37     B    83
 #52     C    99
 #59     C    96
 #45     C    86
 #43     C    84
 #58     C    81
 #65     D    93
 #75     D    87
 #63     D    85

或者在订购的df上使用data.table

 library(data.table)
 setkey(setDT(df), group)
 setkey(setDT(target), group)
 DT1 <- df[df[target, value1:= i.value][,
           cumsum(value) <value1, by=group]$V1, 1:2, with=FALSE]

更新

我猜你想要这样的东西：

  indx2 <- which(val1 <=indx)
  indx3 <- unname(tapply(indx2,cumsum(c(TRUE,diff(indx2)!=1)), tail,1)+1)
  df1 <- df[sort(c(indx2,indx3)),]
   tapply(df1$value, df1$group, FUN=sum)
   # A    B    C    D 
  #1048  432  518  342

【讨论】：

谢谢。我想使用第一种方法，但是，它不会返回总和超过该值的行，而是返回低于该值的行。

【解决方案2】：

这会拆分和限制数据框中的项目。下一行将选择最后一行：

> lapply( split(df, df[[1]] ) , function(d) d[ cumsum( d[[2]]) < 200 , ] )
$A
  group value
1     A    84
2     A    73

$B
   group value
21     B     9
22     B    81
23     B     5
24     B    54
25     B    28

$C
   group value
41     C    20
42     C    43
43     C    84
44     C    49

$D
   group value
61     D     4
62     D    77
63     D    85

然后使用tail

> lapply( split(df, df[[1]] ) , function(d) tail( d[ cumsum( d[[2]]) < 200 , ] ,1))
$A
  group value
2     A    73

$B
   group value
25     B    28

$C
   group value
44     C    49

$D
   group value
63     D    85

如果您想选择“最大值”，请在求和之前对数据框进行排序：

> lapply( split(df[order(df[[2]], decreasing=TRUE), ] , df[[1]] ) , function(d) tail( d[ cumsum( d[[2]]) < 200 , ] ,1))
$A
  group value
3     A    98

$B
   group value
62     D    77

$C
   group value
71     D    34

$D
   group value
74     D     2

【讨论】：

【解决方案3】：

如果我理解正确，您希望每个组中的最大值，直到所有这些值的总和超过某个阈值。如果是这样，我认为这段代码会做到这一点

newdfs<-Map(function(d, m) { 
    d <-d[order(-d$value), ]
    d[cumsum(d$value) < m, ]
}, split(df, df$group), target$value[match(levels(df$group), target$group)])
newdfs

这会在列表中重新生成 data.frames，这几乎肯定比创建一堆新的 data.frames 更好。如果您想将结果合并到单个 data.frame 中，您可以这样做

do.call(rbind, newdfs)

得到

     group value
A.3      A    98
A.8      A    93
A.12     A    89
A.1      A    84
A.9      A    83
A.5      A    81
A.13     A    77
A.2      A    73
A.15     A    73
A.10     A    71
A.18     A    62
A.19     A    61
A.7      A    52
B.39     B    93
B.28     B    90
B.36     B    84
B.37     B    83
C.52     C    99
C.59     C    96
C.45     C    86
C.43     C    84
C.58     C    81
D.65     D    93
D.75     D    87
D.63     D    85

【讨论】：