使用 dplyr 访问关系数据答案

【问题标题】：Accessing relational data with dplyr使用 dplyr 访问关系数据
【发布时间】：2021-06-18 01:36:21
【问题描述】：

给定以下数据框data：

set.seed(123)
data <- data.frame(ID = c(1,1,1,2,2,2),
                   Loc = rep(paste("Loc", seq(1:3), sep = "")),
                   Var  = rnorm(6))

我们可以使用dplyr::group_by 和dplyr::mutate 创建一个新列，显示每个Var 的最大值ID：

library(dplyr)
data%>%
  group_by(ID)%>%
  mutate(MaxVar = max(Var))

如果我们想要创建另一个新列（我们将其称为MaxVarLoc）以显示与每个MaxVar 相关联的Loc ID？

结果如下所示：

ID Loc     Var           MaxVar      MaxVarLoc

1   Loc1    -0.56047565 1.558708    LOC3
1   Loc2    -0.23017749 1.558708    LOC3    
1   Loc3    1.55870831  1.558708    LOC3    
2   Loc1    0.07050839  1.715065    LOC3    
2   Loc2    0.12928774  1.715065    LOC3    
2   Loc3    1.71506499  1.715065    LOC3    
#The result just happens to be `Loc3` in both cases here

我们如何在dplyr 框架中以这种方式访问关系数据（即，为每个ID 指定哪个Loc 与Var 的最大值对应）？

【问题讨论】：

标签： r filter dplyr

【解决方案1】：

我们需要which.max 来返回“最大行”的索引并根据该索引选择“Loc”

library(dplyr)
data %>%
     group_by(ID) %>%
     mutate(MaxVar = max(Var), MaxVarLoc = Loc[which.max(Var)]) %>%
     ungroup

最好先创建which.max 索引，然后使用它来提取“Var”和“Loc”元素

data %>%
    group_by(ID) %>%
    mutate(imx = which.max(Var), 
          MaxVar = Var[imx], MaxVarLoc = Loc[imx], imx = NULL) %>%
    ungroup

-输出

# A tibble: 6 x 5
     ID Loc       Var MaxVar MaxVarLoc
  <dbl> <chr>   <dbl>  <dbl> <chr>    
1     1 Loc1  -0.560    1.56 Loc3     
2     1 Loc2  -0.230    1.56 Loc3     
3     1 Loc3   1.56     1.56 Loc3     
4     2 Loc1   0.0705   1.72 Loc3     
5     2 Loc2   0.129    1.72 Loc3     
6     2 Loc3   1.72     1.72 Loc3

或者可以在across中使用

data %>% 
    group_by(ID) %>%
    mutate(i1 = which.max(Var),
       across(Loc:Var, ~ .[i1], .names = 'Max{.col}'), i1 = NULL) %>%
    ungroup

或者我们可以使用slice_max 分割最大行并进行连接

library(stringr)
data %>%
     group_by(ID) %>% 
     slice_max(n = 1, order_by = Var) %>% 
     ungroup %>% 
     rename_with(~ str_c('Max', .), -ID) %>% 
     right_join(data)

【讨论】：