使用 ddply 进行汇总时如何添加列答案

【问题标题】：How to add column when summarising with ddply使用 ddply 进行汇总时如何添加列
【发布时间】：2015-02-12 19:29:35
【问题描述】：

我的问题是用 ddply 函数总结一个 data.frame，例如以下。

该功能用于创建具有最高评级和相应公司的新数据框。缺少的是第一个数据帧中的相应 ID。

我尝试调用 ID 变量，但这会导致错误消息。我对最高评分对应的ID感兴趣。

非常感谢您提前提供的帮助！

dat <- data.frame(ID = c("A11", "A12", "A21","A22","A23","A31"), 
              company =  c("CompA","CompA","CompB","CompB","CompB","CompC"),
              rating = c(1,4,2,5,3,4)
              )

company  ID ratingMax
1   CompA A11         1
2   CompA A12         4
3   CompB A21         2
4   CompB A22         5
5   CompB A23         3             
6   CompC A31         4

library(plyr)
ddply(dat, "company", summarise, ratingMax = max(rating))

company ratingMax
1   CompA         4
2   CompB         5
3   CompC         4

ddply(dat, "company", summarise, ratingMax = max(rating), ID = ID)
Error: length(rows) == 1 is not TRUE

【问题讨论】：

标签： r dataframe plyr

【解决方案1】：

你可以试试

 library(plyr) 
 ddply(dat, "company", summarise, ratingMax = max(rating),
             ID = ID[which.max(rating)])
 #  company ratingMax  ID
 #1   CompA         4 A12
 #2   CompB         5 A22
 #3   CompC         4 A31

或使用dplyr

 library(dplyr)
 dat %>% 
      group_by(company) %>% 
      summarise(ratingMax=max(rating), ID=ID[which.max(rating)])
 #  company ratingMax  ID
 #1   CompA         4 A12
 #2   CompB         5 A22
 #3   CompC         4 A31

或者你可以使用filter

   dat %>% 
       group_by(company) %>% 
       filter(row_number() %in% which.max(rating))

或者使用@docendo discimus 提出的slice（更快更紧凑）

  dat %>% 
      group_by(company) %>%
      slice(which.max(rating))

【讨论】：

slice(which.max(rating)) 在这种情况下会比 filter 好得多 IMO（我希望它也会更快）

【解决方案2】：

这里有一个快速的data.table 解决方案，可以省去您手动命名列的麻烦（以防您想要显示更多列）

library(data.table)
setDT(dat)[, .SD[which.max(rating)], by = company]
#    company  ID rating
# 1:   CompA A12      4
# 2:   CompB A22      5
# 3:   CompC A31      4

【讨论】：

明天将在使用大数据集时尝试一下。可能会更快。谢谢！
@DavidArenburg 我认为.I 应该比.SD 更快
@akrun，我不知道，但是在这种情况下，您建议如何使用.I，如dat[setDT(dat)[, .I[which.max(rating)], by = company]$V1]？
我想像setDT(dat)[dat[, .I[which.max(rating)], by=company]$V1]
@akrun，没关系，无论如何，我认为这有点过于复杂了。如果 OP 对 plyr 感到满意，则性能在这里不是问题。此外，在不久的将来应该优化.SD，因为这是惯用的data.table 方法。