R aggregate（）按组使用某些函数（例如max），但在其他列上投影

给定一个包含ID列、Value列和Date列的数据帧，我将执行以下操作：对于每个ID（按ID分组），返回具有最高值的行的日期

> df <- data.frame(ID=c(101, 101, 101, 202), Date=c("2013-04-12", "2013-06-21", "2013-07-06", "2013-07-06"), Value=c(3.4, 5.8, 4.2, 2.1))
> df
   ID       Date Value
1 101 2013-04-12   3.4
2 101 2013-06-21   5.8
3 101 2013-07-06   4.2
4 202 2013-07-06   2.1

---

我知道如何使用aggregate（）按ID获取最大值，但如何返回日期列而不是实际聚合的最大值？

当您希望将函数应用于由另一列索引的列时，最好选择tapply

tapply(df[,2],df[,1],max)

tapply

返回向量或列表，因此有时需要进行一些后处理

编辑：哎呀，误读了。所以你有一个列，你想根据索引，

ID

取最大值，

value

，但是你真的想要最大值的日期吗

这有点复杂，最好用

顺序

和

重复

来解决。第一个将对数据进行排序，以便每个用户中的最高值排在第一位，然后可以使用重复的

删除额外的观察值

ind = order(df$ID,df$Value,decreasing=TRUE)
df = df[ind,]
df[!duplicated(df$ID),]

这有点落后，但我认为它会起作用。如果您的数据集较大，这里有一个
数据表
方法：

library(data.table)
df <- data.table(df)
df[ , Date[which.max(Value)], by=ID]
    ID         V1
1: 101 2013-06-21
2: 202 2013-07-06

我能找到的最简单的方法是使用库（sqldf），用R语言说SQL

> library(sqldf)
> sqldf('select * from df group by ID having Value = max(Value)')
    ID     Date    Value
 1 101 2013-06-21   5.8
 2 202 2013-07-06   2.1

在mac中安装sqldf有点棘手。无论如何，用R语言说SQL会让事情变得更简单。以下是我的程序：

  install.packages("sqldf")
  options(gsubfn.engine = "R")
  packageVersion("gsubfn")
  library(RSQLite.extfuns)
  library(DBI)
  library(RSQLite)
  library(proto)
  library(gsubfn)
  library(sqldf)

谢谢你的答复，但我认为这正是我所需要的。首先，我想你指的是tapply（df[，3]，df[，1]，max）（你的版本给出了一个“max对因子没有意义”的错误）。其次，我对实际的最大值不感兴趣。我需要最大值（第3列）的日期（第2列）。如何做到这一点？它应该足够好，可以在Mac上安装标准的R发行版（已经随TtclTk提供），然后像其他任何软件包一样安装.packages（“sqldf”）
。tcltk曾一度没有标准的Mac发行版，但现在已经有一段时间没有了。仍然可能出现的主要问题是，如果您进行了R的自定义安装，并告诉它忽略tcltk。在这种情况下，请重新安装R的标准版本。
> library(sqldf)
> sqldf('select * from df group by ID having Value = max(Value)')
    ID     Date    Value
 1 101 2013-06-21   5.8
 2 202 2013-07-06   2.1

  install.packages("sqldf")
  options(gsubfn.engine = "R")
  packageVersion("gsubfn")
  library(RSQLite.extfuns)
  library(DBI)
  library(RSQLite)
  library(proto)
  library(gsubfn)
  library(sqldf)