如何通过组的最小差异过滤数据框

Question

我正在苦苦思考如何才能在我的数据框中只保留 measure 中的值差异对于 id1 中的每个组而言 2 最小的元素。这是一个玩具示例：

test = data.frame(measure = c(1, 2, 3, 2, 2, 4, 0, 1),
                  id1 = c("A", "B", "A", "B", "C", "C", "A", "D"),
                  id2 = c("16", "16", "16", "16", "17", "17", "17", "18"))
# > test
#   measure id1 id2
# 1       1   A  16
# 2       2   B  16
# 3       3   A  16
# 4       2   B  16
# 5       2   C  17
# 6       4   C  17
# 7       0   A  17
# 8       1   D  18

#as result, I'd like something like
#> res
#   measure id1 id2
# 1       1   A  16
# 3       3   A  16
# 5       2   C  17
# 6       4   C  17
# 7       0   A  17

id1 等于 A 和 D 被删除，因为它们的 max(value) - min(value) < 2。

关于如何应用它的任何提示？

Answer 1

另一个tidyverse 选项。

test %>% 
  group_by(id1) %>% 
  filter((max(measure)- min(measure)) >= 2)

Answer 2

一个可能的解决方案：

library(tidyverse)

test = data.frame(measure = c(1, 2, 3, 2, 2, 4, 0, 1),
                  id1 = c("A", "B", "A", "B", "C", "C", "A", "D"),
                  id2 = c("16", "16", "16", "16", "17", "17", "17", "18"))

test %>% 
  group_by(id1) %>% 
  mutate(aux = (max(c_across(measure))- min(c_across(measure))) >= 2) %>% 
  ungroup %>% filter(aux) %>% select(-aux)

#> # A tibble: 5 × 3
#>   measure id1   id2  
#>     <dbl> <chr> <chr>
#> 1       1 A     16   
#> 2       3 A     16   
#> 3       2 C     17   
#> 4       4 C     17   
#> 5       0 A     17

Answer 3

data.table 结构在这里提供了一个选项。

# Load library
library(data.table)
# Create data.table
test <- 
  data.table(measure = c(1, 2, 3, 2, 2, 4, 0, 1),
             id1 = c("A", "B", "A", "B", "C", "C", "A", "D"),
             id2 = c("16", "16", "16", "16", "17", "17", "17", "18"))
# Solution:
test[id1 %in% test[, .(max(measure)-min(measure)), by=id1][V1>=2, id1]]

在这个解决方案中，test[, .(max(measure)-min(measure)), by=id1] 给出了一个 data.table 的差异，[V1>=2, id1] 对其进行子集化并返回一个有效 id1 值的向量。然后id1 %in% 将原始数据作为该向量内容的子集。

结果是：

 measure id1 id2
1:       1   A  16
2:       3   A  16
3:       2   C  17
4:       4   C  17
5:       0   A  17

---

小型 data.table 课程：

• 对于 data.tables，我们使用符号 DT[i, j, by] 其中：

  • DT 是数据表
  • i 是对观察的操作（例如过滤、排序）
  • j 是对变量的操作（例如选择、处理）
  • by（和keyby）为j-操作提供分组

• data.tables 有一些特殊字符，包括

  • .N 表示“观察次数”
  • .SD 用于“选定变量”

• 安装并加载 data.table 包以使用此结构。

• 使用setDT() 或data.table() 将现有的data.frame、list 或tibble 转换为data.table

• 使用fread() 将外部数据文件直接读入data.table。

一个例子 - 从 mtcars 中获取汽车的数量和平均燃油效率，其中 hp>100 和按气缸数分组的汇总统计数据：

dtcars <- data.table(mtcars)
dtcars[hp>100, .("n" = .N, "mean_mpg" = mean(mpg)), keyby=cyl]