dplyr筛选器：获取具有最小变量的行，但如果有多个最小值，则仅获取第一行

我想使用

dplyr

创建一个分组过滤器，在每个组中只返回最小值为变量

x

的行

我的问题是：正如预期的那样，在多个最小值的情况下，返回具有最小值的所有行。但是在我的例子中，如果存在多个极小值，我只想要第一行

下面是一个例子：

df <- data.frame(
A=c("A", "A", "A", "B", "B", "B", "C", "C", "C"),
x=c(1, 1, 2, 2, 3, 4, 5, 5, 5),
y=rnorm(9)
)

library(dplyr)
df.g <- group_by(df, A)
filter(df.g, x == min(x))

有了ddply，我将以这种方式完成任务：

library(plyr)
ddply(df, .(A), function(z) {
    z[z$x == min(z$x), ][1, ]
})

。。。有效的方法是：

  A x           y
1 A 1 -1.04584335
2 B 2  0.79600971
3 C 5 -0.08655151

---

Q：在dplyr中是否有一种方法可以实现这一点？（出于速度原因）

对于它的价值，这里有一个

数据表

解决方案，供可能感兴趣的人使用：

# approach with setting keys
dt <- as.data.table(df)
setkey(dt, A,x)
dt[J(unique(A)), mult="first"]

# without using keys
dt <- as.data.table(df)
dt[dt[, .I[which.min(x)], by=A]$V1]

#使用设置键接近
dt只是为了完整性：这里是最终的
dplyr
解决方案，来自@hadley和@Arun的评论：

library(dplyr)
df.g <- group_by(df, A)
filter(df.g, rank(x, ties.method="first")==1)

库（dplyr）
df.g更新
当dplyr>=0.3时，您可以将
slice
功能与
which.min
结合使用，这将是我最喜欢的执行此任务的方法：

df %>% group_by(A) %>% slice(which.min(x))
#Source: local data frame [3 x 3]
#Groups: A
#
#  A x          y
#1 A 1  0.2979772
#2 B 2 -1.1265265
#3 C 5 -1.1952004


原始答案
对于样本数据，也可以在每个样本数据之后使用两个
过滤器
：

group_by(df, A) %>% 
  filter(x == min(x)) %>% 
  filter(1:n() == 1)

这可以通过使用
行编号
与
分组依据
组合来实现<代码>行编号
通过不仅根据值，而且根据向量内的相对顺序分配秩来处理关系。要获取最小值为
x
的每组第一行：

df.g <- group_by(df, A)
filter(df.g, row_number(x) == 1)

df.g我喜欢sqldf，因为它简单

sqldf("select A,min(X),y from 'df.g' group by A")

输出：

A min(X)          y

1 A      1 -1.4836989

2 B      2  0.3755771

3 C      5  0.9284441

另一种方法是：

set.seed(1)
x <- data.frame(a = rep(1:2, each = 10), b = rnorm(20))
x <- dplyr::arrange(x, a, b)
dplyr::filter(x, !duplicated(a))

也可以很容易地调整以获得每组中具有最大值的行
 来这里是想找到一种方法，用一个以上的。我相信，这会让排名倒数第十的球队最终打破平局

df.g %>%
top_n(-10,row_number(x))

dplyr
提供了
slice\u min
函数，该函数使用参数
执行任务，参数=FALSE

library(dplyr)

df %>% 
  group_by(A) %>% 
  slice_min(x, with_ties = FALSE)

输出：

# A tibble: 3 x 3
# Groups:   A [3]
A         x      y
<fct> <dbl>  <dbl>
1 A         1  0.273
2 B         2 -0.462
3 C         5  1.08 

#一个tible:3 x 3
#分组：A[3]
A x y
1A 10.273
2b2-0.462
3 C 5 1.08
过滤器（df.g，秩（x）=1）
？@FelixS，
秩（x）=1
是否给出了所需的结果？@hadley，1）我认为
最小秩
在这里没有帮助。他需要第一个最小值（查看
plyr
solution）。2） 在您编写的任何编程语言中，
rank
（ties=min，max，first等）的算法复杂度将比只计算
min
@Arun:True，只有
rank（x，ties.method=“first”）==1
起作用，因为min和min\u-rank不区分多个极小值。@hadley，我仍然不明白这是怎么让你考虑<代码>的。MIN <代码>是早熟的优化。好吧，这是一个自然的选择，读起来很好，很容易理解，速度也很快。我发现
do（head）
更容易阅读，
df%%>%group\u by（a）%%>%filter（x==min（x））%%>%do（head（，1））
@baptiste看起来确实不错（但是，当我运行它时，我收到一条错误消息
error:需要一个值
）-你知道为什么吗？不确定，也许我们使用的是不同的版本；我有
dplyr_0.2，magrittr_1.0.0
Ok，所以问题是我仍然在运行dplyr 0.1.3。我更愿意在这里使用
top\n
，但由于关系密切，这种方法可能是明显的赢家-在性能方面（与
arrange%>%slice
相比）肯定是如此。这是我最喜欢的答案！
library(dplyr)

df %>% 
  group_by(A) %>% 
  slice_min(x, with_ties = FALSE)

# A tibble: 3 x 3
# Groups:   A [3]
A         x      y
<fct> <dbl>  <dbl>
1 A         1  0.273
2 B         2 -0.462
3 C         5  1.08