在R中按一列分组答案

【问题标题】：grouping by one column in R在R中按一列分组
【发布时间】：2014-10-23 17:25:52
【问题描述】：

我有一个数据集“df”

> df
      A    B  C
1  tanu  abc 10
2  tanu  def 20
3  tanu  ghi 15
4  tanu  jkl 28
5  tanu  mno 33
6  tanu  pqr 46
7  tanu  stu 83
8  tanu  vwx 15
9   edu  yz1 60
10  edu abc2 85

> group
[1] 3 2 3 2

我必须为每个组找到“C”列的最大值。每个组是 groupby 列“A”，包含来自向量“group”的相应行数

Group1:    
    tanu  abc 10
    tanu  def 20
    tanu  ghi 15
Group2:
    tanu  jkl 28
    tanu  mno 33
Group3:
    tanu  pqr 46
    tanu  stu 83
    tanu  vwx 15
Group4:
    edu  yz1 60
    edu abc2 85

我无法通过aggregate 或by 函数实现这一点。我希望我的输出是

> out
      A    B  C  
    tanu  def 20 
    tanu  mno 33 
    tanu  stu 83  
    edu  abc2 85

感谢任何帮助。 TIA。

【问题讨论】：

标签： r group-by aggregate

【解决方案1】：

by 和 which.max 的另一种基本 R 方式：

do.call(rbind, 
   by(df, list(rep(seq_along(group), group)), function(g) g[which.max(g$C),]))

#      A    B  C
# 1 tanu  def 20
# 2 tanu  mno 33
# 3 tanu  stu 83
# 4  edu abc2 85

【讨论】：

【解决方案2】：

起初，我认为它是最大值或C 列和基于group 的min 值B 变量。以下是基于此的解决方案。

library(data.table)
 res <- setDT(df)[, list(B=B[min(group)], C=max(C)),
             by=list(gr=rep(seq_along(group), group),A)][,gr:=NULL]

查看@Matthew Plourde 的解决方案后，很明显我错了（在示例中，两者产生相同的结果）。在这种情况下，

 res <- setDT(df)[df[, max(C)==C,
                by=list(rep(seq_along(group), group), A)]$V1]


 res
 #      A    B  C
 #1: tanu  def 20
 #2: tanu  mno 33
 #3: tanu  stu 83
 #4:  edu abc2 85

或使用dplyr

  library(dplyr)
  df %>% 
      group_by(gr=rep(seq_along(group), group), A) %>% 
      filter(C==max(C))%>% 
      ungroup() %>% 
      select(-gr)
   #    A    B  C
   #1 tanu  def 20
   #2 tanu  mno 33
   #3 tanu  stu 83
   #4  edu abc2 85

数据

df <-  structure(list(A = c("tanu", "tanu", "tanu", "tanu", "tanu", 
"tanu", "tanu", "tanu", "edu", "edu"), B = c("abc", "def", "ghi", 
"jkl", "mno", "pqr", "stu", "vwx", "yz1", "abc2"), C = c(10L, 
20L, 15L, 28L, 33L, 46L, 83L, 15L, 60L, 85L)), .Names = c("A", 
"B", "C"), class = "data.frame", row.names = c("1", "2", "3", 
"4", "5", "6", "7", "8", "9", "10"))

【讨论】：

出现错误：找不到函数“setDT”；加载库“data.table”。还需要其他包吗？
@abcdef 不，它应该单独与data.table 一起使用。您使用的是哪个版本的data.table？

【解决方案3】：

我认为这也可以。

s <- sapply(split(df$C, rep.int(seq_along(group), group)), which.max)
df[s + cumsum(c(0, group[-length(group)])), ]
#       A    B  C
# 2  tanu  def 20
# 5  tanu  mno 33
# 7  tanu  stu 83
# 10  edu abc2 85

【讨论】：

【解决方案4】：

这可能不是最明确的答案，但它有效:)

A = c("tanu", 
  "tanu",
  "tanu",
  "tanu",  
  "tanu",  
  "tanu",  
  "tanu",  
  "tanu",  
  "edu",  
  "edu")

B = c("abc", 
  "def",
  "ghi",
  "jkl",  
  "mno",  
  "pqr",  
  "stu",  
  "vwx",  
  "yz1",  
  "abc2")

C = c(10,20,15,28,33,46,83,15,60,85)
df = data.frame(A=A, B=B, C=C)
group = c(3,2,3,2)

out = NULL
line.nb = 1

for(i in 1:length(group)){

 beg = line.nb
 end = line.nb + group[i]-1
 temp = df[beg:end,]

 res = temp[which(temp[,"C"] ==max(temp[,"C"])), ] 
 out = rbind(out,res)

 line.nb = line.nb+group[i]
}

out

【讨论】：