R 选择每组中具有最大值的行
在一个数据集中，每个主题都有多个观察结果。对于每个主题，我想选择最大值为“pt”的行。例如，使用以下数据集：R 选择每组中具有最大值的行,r,dataframe,r-faq,R,Dataframe,R Faq,在一个数据集中，每个主题都有多个观察结果。对于每个主题，我想选择最大值为“pt”的行。例如，使用以下数据集： ID <- c(1,1,1,2,2,2,2,3,3) Value <- c(2,3,5,2,5,8,17,3,5) Event <- c(1,1,2,1,2,1,2,2,2) group <- data.frame(Subject=ID, pt=Value, Event=Event) # Subject pt Event # 1 1 2
ID <- c(1,1,1,2,2,2,2,3,3)
Value <- c(2,3,5,2,5,8,17,3,5)
Event <- c(1,1,2,1,2,1,2,2,2)
group <- data.frame(Subject=ID, pt=Value, Event=Event)
# Subject pt Event
# 1 1 2 1
# 2 1 3 1
# 3 1 5 2 # max 'pt' for Subject 1
# 4 2 2 1
# 5 2 5 2
# 6 2 8 1
# 7 2 17 2 # max 'pt' for Subject 2
# 8 3 3 2
# 9 3 5 2 # max 'pt' for Subject 3
ID我不确定您想对事件列做什么，但是如果您也想保留它，那么
isIDmax <- with(dd, ave(Value, ID, FUN=function(x) seq_along(x)==which.max(x)))==1
group[isIDmax, ]
# ID Value Event
# 3 1 5 2
# 7 2 17 2
# 9 3 5 2
isIDmaxAdplyr
解决方案：
library(dplyr)
ID <- c(1,1,1,2,2,2,2,3,3)
Value <- c(2,3,5,2,5,8,17,3,5)
Event <- c(1,1,2,1,2,1,2,2,2)
group <- data.frame(Subject=ID, pt=Value, Event=Event)
group %>%
group_by(Subject) %>%
summarize(max.pt = max(pt))
require(data.table) ## 1.9.2
group <- as.data.table(group)
merge(aggregate(pt ~ Subject, max, data = group), group)
Subject pt Event
1 1 5 2
2 2 17 2
3 3 5 2
library(data.table)
setDT(group)[, head(.SD[order(-pt)], 1), by = .(Subject)]
下面是一个数据表
解决方案：
library(dplyr)
ID <- c(1,1,1,2,2,2,2,3,3)
Value <- c(2,3,5,2,5,8,17,3,5)
Event <- c(1,1,2,1,2,1,2,2,2)
group <- data.frame(Subject=ID, pt=Value, Event=Event)
group %>%
group_by(Subject) %>%
summarize(max.pt = max(pt))
require(data.table) ## 1.9.2
group <- as.data.table(group)
merge(aggregate(pt ~ Subject, max, data = group), group)
Subject pt Event
1 1 5 2
2 2 17 2
3 3 5 2
library(data.table)
setDT(group)[, head(.SD[order(-pt)], 1), by = .(Subject)]
如果您只需要pt
的第一个最大值：
group[group[, .I[which.max(pt)], by=Subject]$V1]
# Subject pt Event
# 1: 1 5 2
# 2: 2 17 2
# 3: 3 5 2
在这种情况下，这没有什么区别，因为数据中的任何组中都没有多个最大值。使用数据的较短解决方案。表：
setDT(group)[, .SD[which.max(pt)], by=Subject]
# Subject pt Event
# 1: 1 5 2
# 2: 2 17 2
# 3: 3 5 2
最直观的方法是在dplyr中使用group_by和top_n函数
group %>% group_by(Subject) %>% top_n(1, pt)
你得到的结果是
Source: local data frame [3 x 3]
Groups: Subject [3]
Subject pt Event
(dbl) (dbl) (dbl)
1 1 5 2
2 2 17 2
3 3 5 2
另一个选项是slice
library(dplyr)
group %>%
group_by(Subject) %>%
slice(which.max(pt))
# Subject pt Event
# <dbl> <dbl> <dbl>
#1 1 5 2
#2 2 17 2
#3 3 5 2
库（dplyr）
组%>%
分组依据（受试者）%>%
切片（哪个最大值（pt））
#主题pt事件
#
#1 1 5 2
#2 2 17 2
#3 3 5 2
使用BaseR
如果您想要受试者的最大pt值，只需使用：
pt_max = as.data.frame(aggregate(pt~Subject, group, max))
下面是另一个data.table
解决方案，因为哪个.max
对字符不起作用
library(data.table)
group <- data.table(Subject=ID, pt=Value, Event=Event)
group[, .SD[order(pt, decreasing = TRUE) == 1], by = Subject]
库（data.table）
组另一基础溶液
group_sorted <- group[order(group$Subject, -group$pt),]
group_sorted[!duplicated(group_sorted$Subject),]
# Subject pt Event
# 1 5 2
# 2 17 2
# 3 5 2
group\u排序一个以上的基本R解决方案：
library(dplyr)
ID <- c(1,1,1,2,2,2,2,3,3)
Value <- c(2,3,5,2,5,8,17,3,5)
Event <- c(1,1,2,1,2,1,2,2,2)
group <- data.frame(Subject=ID, pt=Value, Event=Event)
group %>%
group_by(Subject) %>%
summarize(max.pt = max(pt))
require(data.table) ## 1.9.2
group <- as.data.table(group)
merge(aggregate(pt ~ Subject, max, data = group), group)
Subject pt Event
1 1 5 2
2 2 17 2
3 3 5 2
library(data.table)
setDT(group)[, head(.SD[order(-pt)], 1), by = .(Subject)]
另一个数据表
选项：
library(data.table)
setDT(group)
group[group[order(-pt), .I[1L], Subject]$V1]
或其他（可读性较差但速度稍快）：
定时代码：
library(data.table)
nr <- 1e7L
ng <- nr/4L
set.seed(0L)
DT <- data.table(Subject=sample(ng, nr, TRUE), pt=1:nr)#rnorm(nr))
DT2 <- copy(DT)
microbenchmark::microbenchmark(times=3L,
mtd0 = {a0 <- DT[DT[, .I[which.max(pt)], by=Subject]$V1]},
mtd1 = {a1 <- DT[DT[order(-pt), .I[1L], Subject]$V1]},
mtd2 = {a2 <- DT2[DT2[, rn := .I][
order(Subject, -pt), rn[c(TRUE, diff(Subject)>0L)]
]]},
mtd3 = {a3 <- unique(DT[order(Subject, -pt)], by="Subject")}
)
fsetequal(a0[order(Subject)], a1[order(Subject)])
#[1] TRUE
fsetequal(a0[order(Subject)], a2[, rn := NULL][order(Subject)])
#[1] TRUE
fsetequal(a0[order(Subject)], a3[order(Subject)])
#[1] TRUE
另一个数据表
解决方案：
library(dplyr)
ID <- c(1,1,1,2,2,2,2,3,3)
Value <- c(2,3,5,2,5,8,17,3,5)
Event <- c(1,1,2,1,2,1,2,2,2)
group <- data.frame(Subject=ID, pt=Value, Event=Event)
group %>%
group_by(Subject) %>%
summarize(max.pt = max(pt))
require(data.table) ## 1.9.2
group <- as.data.table(group)
merge(aggregate(pt ~ Subject, max, data = group), group)
Subject pt Event
1 1 5 2
2 2 17 2
3 3 5 2
library(data.table)
setDT(group)[, head(.SD[order(-pt)], 1), by = .(Subject)]
by
是数据帧的tapply
版本：
res <- by(group, group$Subject, FUN=function(df) df[which.max(df$pt),])
在base中，您可以使用ave
来获得每组的max
，并将其与pt
进行比较，并获得一个逻辑向量来子集数据。frame
group[group$pt == ave(group$pt, group$Subject, FUN=max),]
# Subject pt Event
#3 1 5 2
#7 2 17 2
#9 3 5 2
或者在函数中对其进行比较
group[as.logical(ave(group$pt, group$Subject, FUN=function(x) x==max(x))),]
#group[ave(group$pt, group$Subject, FUN=function(x) x==max(x))==1,] #Variant
# Subject pt Event
#3 1 5 2
#7 2 17 2
#9 3 5 2
自{dplyr}v1.0.0（2020年5月）以来，新的slice.*
语法取代了top\n（）
另见
使用dplyr 1.0.2现在有两种方法，一种是long hand，另一种是使用动词Cross（）：
如果只有几列，这是可以的，但是如果表中跨多个列，则（）非常有用。此动词的示例通常带有summary（over）（start_with…）但在本例中，列的开头字符不同。它们可以更改，也可以列出位置：
group %>%
group_by(Subject) %>%
summarise(across(1:ncol(group)-1, max, na.rm = TRUE, .names = "{.col}"))
注意：动词cross（）1指的是第一个实际列之后的第一列，因此使用ncol（组）不起作用，因为列太多（使其位于第4位而不是第3位）。我认为OP希望将事件
列保留在子集中，在这种情况下，您可以这样做：df%>%group\u by（Subject）%%>%filter（pt==max（pt））
（包括领带，如果有的话）非常感谢，但我这里还有另一个问题。既然ave（Value，ID，FUN=函数（x）seq_along（x）=which.max（x）），为什么在这个方法中使用with function==1非常好用？我有点困惑。我使用了和
，因为在组的内部和外部都有可用的数据是有点奇怪的
data.frame。如果你用read.table
或其他什么东西读取数据，你需要使用和
，因为这些列名在我之外是不可用的取消data.frame.saw as data.table自2014年以来发生了很多变化，这仍然是这个问题最快/最好的解决方案吗？@Ben，在这种情况下，最快的答案仍然是这个，是的。.SD
这些情况的优化仍然在列表中。注意。嗨，这里的$V1是什么？\nooba访问自动命名列。在没有它的情况下运行它为了更好地理解。@HappyCoding，请看一看？`.I`
，看看其中的解释和示例是否有帮助？这是非常密切相关的，但与最小值相关，而不是与最大值相关：当您要访问组中的最小值和最大值时，dplyr也很有用，因为这些值可以作为数组使用。因此，您可以首先进行排序通过pt降序，然后使用pt[1]或first（pt）获得最高值：group%>%group\u by（Subject）%%>%arrange（desc（pt），.by\u group=TRUE）%%>%summary（max\u pt=first（pt），min\u pt=last（pt），Event=first（Event））
如果有联系，这将包括多行。使用slice（which.max（pt））
每个组只包含一行。请注意，这可能比@Arun建议的组[group[，.I[which.max（pt）]，by=Subject]$V1]要慢。
请参见上面的比较我喜欢这一行，因为它对于我当前的上下文来说足够快，而且与.I
versionsetDT（group）[，.SD[pt==max（pt）]相比，我更容易摸索，by=主题]