在r中按组提取不相等的行数答案

【问题标题】：Extracting unequal number of rows by group in r在r中按组提取不相等的行数
【发布时间】：2020-02-20 18:22:58
【问题描述】：

我有一个按 Shape 分组的两个变量数据框，并希望为每个组提取前 n 行（分组变量的每个级别的 n 不同）。我尝试了一些 dplyr 和 data.table 函数，但它们似乎只适用于相同数量的行。

Data <- data.frame(Shape = c("R", "R", "R", "C", "C", "T", "T", "T", "T"), Area = c(35, 30, 25, 32, 28, 40, 35, 33, 31))

我想获得前 2 个 R，第一个 C 和前 3 个 T。预期结果：

Out <- data.frame(Shape = c("R", "R", "C", "T", "T", "T"), Area = c(35, 30, 32, 40, 35, 33))

【问题讨论】：

标签： r dataframe row extract

【解决方案1】：

我们可以使用“Shape”列将group_split 转换为data.frame 的list，然后将map2 中的限制“n”传递给filter 相应的行数

library(dplyr)
library(purrr)
Data %>% 
  group_split(Shape = factor(Shape, levels = unique(Shape))) %>% 
  map2_dfr(., c(2, 1, 3), ~ .x %>%
                             filter(row_number() <= .y))
# A tibble: 6 x 2
#  Shape  Area
#* <fct> <dbl>
#1 R        35
#2 R        30
#3 C        32
#4 T        40
#5 T        35
#6 T        33

或者另一种选择是通过传递一个命名向量来获得一列“n”，然后按“形状”进行分组，执行filter

Data %>%
    mutate(n = setNames(c(2, 1, 3), unique(Shape))[as.character(Shape)]) %>% 
    group_by(Shape) %>%
    filter(row_number() <= n[1]) %>%
    select(-n)

【讨论】：

非常感谢@akrun 的快速回复！这就是我想要的。
@akurn - 我想知道该方法是否适用于多个分组变量，而不仅仅是一个 - 比如说 3 个分组变量。谢谢。
你只需要在 group by 中添加这些变量
@BMM 如果您有“n”个组，那么最好有一个 key/val 数据集，即keydat <- crossing(Shape = unique(Data$Shape), grp1 = unique(Data$grp), grp2 = unique(Data$grp2))，然后为这些组合创建列“n”并进行连接就像在乔治的帖子中一样

【解决方案2】：

比 akrun 的版本稍微复杂一些，但可能更容易阅读：

library(tidyverse)

numberRows <- tibble(Shape = c("R", "C", "T")
        , firstRows = c(2,1,3))

Data %>%
    left_join(numberRows, "Shape") %>%
    group_by(Shape) %>%
    slice(1:(mean(firstRows)))

【讨论】：

嗨@Georgery - 我尝试了你的方法，但由于某种原因，我没有得到问题的预期结果。我得到 2 Rs、2 Cs 和 2 Ts 而不是 2 Rs、1 C 和 3 T。我打算用你的方法解决一个更复杂的问题（多个分组变量）。感谢您的帮助！
您有时间看我的问题吗？谢谢。
如果我有多个分组变量并且多个组具有相同的 firstRows 值，我是否仍然按 firstRows 或分组变量对其进行分组并使用相同的方法。感谢您的帮助。
是的。如果您有多个分组变量，则需要将它们包括在 1. 在 numberRows 数据帧中 2. 在 left_join 的 by = 参数中和 3. 在 group_by 中。