R 对于每行，返回最大值的列名
我有一份员工名册，我需要知道他们最常在哪个部门工作。将员工ID与部门名称制成表格很简单，但从频率表中返回部门名称（而不是花名册计数的数量）更为棘手。下面是一个简单的示例（列名=部门，行名=员工ID）R 对于每行，返回最大值的列名,r,R,我有一份员工名册，我需要知道他们最常在哪个部门工作。将员工ID与部门名称制成表格很简单，但从频率表中返回部门名称（而不是花名册计数的数量）更为棘手。下面是一个简单的示例（列名=部门，行名=员工ID） 使用您的数据的一个选项（为了将来的参考，请使用set.seed（）使用sample复制示例）： …其中方法可以是随机的第一个或最后一个 如果恰好有两个等于最大值的列，这当然会导致问题。我不确定您在该实例中想要做什么，因为对于某些行，您将有多个结果。例如： DF <- data.frame(V1
使用您的数据的一个选项（为了将来的参考，请使用
set.seed（）sample方法可以是随机的第一个或最后一个
如果恰好有两个等于最大值的列，这当然会导致问题。我不确定您在该实例中想要做什么，因为对于某些行，您将有多个结果。例如：
DF <- data.frame(V1=c(2,8,1),V2=c(7,3,5),V3=c(7,6,4))
apply(DF,1,function(x) which(x==max(x)))
[[1]]
V2 V3
2 3
[[2]]
V1
1
[[3]]
V2
2
DF如果您对data.table
解决方案感兴趣，这里有一个。这有点棘手，因为您更喜欢获取第一个最大值的id。如果你想要最后一个最大值，那就容易多了。然而，它并没有那么复杂，而且速度很快
这里我已经生成了您的维度数据（26746*18）
资料
标杆管理：
基于以上建议，以下数据表
解决方案对我来说非常有效：
library(data.table)
set.seed(45)
DT <- data.table(matrix(sample(10, 10^7, TRUE), ncol=10))
system.time(
DT[, col_max := colnames(.SD)[max.col(.SD, ties.method = "first")]]
)
#> user system elapsed
#> 0.15 0.06 0.21
DT[]
#> V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 col_max
#> 1: 7 4 1 2 3 7 6 6 6 1 V1
#> 2: 4 6 9 10 6 2 7 7 1 3 V4
#> 3: 3 4 9 8 9 9 8 8 6 7 V3
#> 4: 4 8 8 9 7 5 9 2 7 1 V4
#> 5: 4 3 9 10 2 7 9 6 6 9 V4
#> ---
#> 999996: 4 6 10 5 4 7 3 8 2 8 V3
#> 999997: 8 7 6 6 3 10 2 3 10 1 V6
#> 999998: 2 3 2 7 4 7 5 2 7 3 V4
#> 999999: 8 10 3 2 3 4 5 1 1 4 V2
#> 1000000: 10 4 2 6 6 2 8 4 7 4 V1
如果我们需要@lwshang建议的最小值的列名，只需使用-.SD
：
DT[, col_min := colnames(.SD)[max.col(-.SD, ties.method = "first")]]
一种解决方案是将日期从宽改为长，将所有部门放在一列中，计数在另一列中，按雇主id（在本例中为行号）分组，然后用最大值过滤到部门。使用这种方法处理关系也有两种选择
library(tidyverse)
# sample data frame with a tie
df <- data_frame(V1=c(2,8,1),V2=c(7,3,5),V3=c(9,6,5))
# If you aren't worried about ties:
df %>%
rownames_to_column('id') %>% # creates an ID number
gather(dept, cnt, V1:V3) %>%
group_by(id) %>%
slice(which.max(cnt))
# A tibble: 3 x 3
# Groups: id [3]
id dept cnt
<chr> <chr> <dbl>
1 1 V3 9.
2 2 V1 8.
3 3 V2 5.
# If you're worried about keeping ties:
df %>%
rownames_to_column('id') %>%
gather(dept, cnt, V1:V3) %>%
group_by(id) %>%
filter(cnt == max(cnt)) %>% # top_n(cnt, n = 1) also works
arrange(id)
# A tibble: 4 x 3
# Groups: id [3]
id dept cnt
<chr> <chr> <dbl>
1 1 V3 9.
2 2 V1 8.
3 3 V2 5.
4 3 V3 5.
# If you're worried about ties, but only want a certain department, you could use rank() and choose 'first' or 'last'
df %>%
rownames_to_column('id') %>%
gather(dept, cnt, V1:V3) %>%
group_by(id) %>%
mutate(dept_rank = rank(-cnt, ties.method = "first")) %>% # or 'last'
filter(dept_rank == 1) %>%
select(-dept_rank)
# A tibble: 3 x 3
# Groups: id [3]
id dept cnt
<chr> <chr> <dbl>
1 2 V1 8.
2 3 V2 5.
3 1 V3 9.
# if you wanted to keep the original wide data frame
df %>%
rownames_to_column('id') %>%
left_join(
df %>%
rownames_to_column('id') %>%
gather(max_dept, max_cnt, V1:V3) %>%
group_by(id) %>%
slice(which.max(max_cnt)),
by = 'id'
)
# A tibble: 3 x 6
id V1 V2 V3 max_dept max_cnt
<chr> <dbl> <dbl> <dbl> <chr> <dbl>
1 1 2. 7. 9. V3 9.
2 2 8. 3. 6. V1 8.
3 3 1. 5. 5. V2 5.
库（tidyverse）
#带领带的示例数据框
df%
行名到列（'id'）%>%
聚集（部门，cnt，V1:V3）%>%
分组依据（id）%>%
过滤器（cnt==max（cnt））%>%#top_n（cnt，n=1）也可以工作
安排（id）
#一个tibble:4x3
#组别:id[3]
id部门cnt
1 V3 9。
2 v18。
3 v25。
4 3 V3 5。
#如果您担心领带，但只想要某个部门，可以使用rank（）并选择“first”或“last”
df%>%
行名到列（'id'）%>%
聚集（部门，cnt，V1:V3）%>%
分组依据（id）%>%
变异（dept_rank=rank（-cnt，ties.method=“first”）%>%#或“last”
筛选（部门排名==1）%>%
选择（-dept\u rank）
#一个tibble:3x3
#组别:id[3]
id部门cnt
1 2 v18。
2 3 V2 5。
3 1 V3 9。
#如果要保留原始宽数据帧
df%>%
行名到列（'id'）%>%
左联合(
df%>%
行名到列（'id'）%>%
聚集（最大部门，最大控制，V1:V3）%>%
分组依据（id）%>%
切片（哪个.max（max_cnt）），
by='id'
)
#一个tibble:3x6
id V1 V2 V3最大部门最大值
1 1 2. 7.9V39。
2 2 8. 3.6.v18。
3 3 1. 5.5.v25。
一个简单的for
循环也很方便：
> df<-data.frame(V1=c(2,8,1),V2=c(7,3,5),V3=c(9,6,4))
> df
V1 V2 V3
1 2 7 9
2 8 3 6
3 1 5 4
> df2<-data.frame()
> for (i in 1:nrow(df)){
+ df2[i,1]<-colnames(df[which.max(df[i,])])
+ }
> df2
V1
1 V3
2 V1
3 V2
>测向
V1 V2 V3
1 2 7 9
2 8 3 6
3 1 5 4
>df2（1中的i:nrow（df））{
+df2[i，1]df2
V1
1 V3
2 V1
3 V2
Adplyr
解决方案：
想法：
- 将行ID添加为列
- 重塑为长格式
- 筛选每个组中的最大值
代码：
DF = data.frame(V1=c(2,8,1),V2=c(7,3,5),V3=c(9,6,4))
DF %>%
rownames_to_column() %>%
gather(column, value, -rowname) %>%
group_by(rowname) %>%
filter(rank(-value) == 1)
结果:
# A tibble: 3 x 3
# Groups: rowname [3]
rowname column value
<chr> <chr> <dbl>
1 2 V1 8
2 3 V2 5
3 1 V3 9
# A tibble: 6 x 4
# Groups: rowname [3]
rowname column value rk
<chr> <chr> <dbl> <dbl>
1 1 V3 9 1
2 1 V2 7 2
3 2 V1 8 1
4 2 V3 6 2
5 3 V2 5 1
6 3 V3 4 2
结果:
# A tibble: 3 x 3
# Groups: rowname [3]
rowname column value
<chr> <chr> <dbl>
1 2 V1 8
2 3 V2 5
3 1 V3 9
# A tibble: 6 x 4
# Groups: rowname [3]
rowname column value rk
<chr> <chr> <dbl> <dbl>
1 1 V3 9 1
2 1 V2 7 2
3 2 V1 8 1
4 2 V3 6 2
5 3 V2 5 1
6 3 V3 4 2
#一个tible:6 x 4
#分组：行名称[3]
行名称列值rk
11v391
2 1 V2 7 2
3 2 V1 8 1
4 2 V3 6 2
5 3 V2 5 1
6 3 V3 4 2
以下是一个与data.table一起使用且更简单的答案。假设您的data.table名为yourDF
：
j1 <- max.col(yourDF[, .(V1, V2, V3, V4)], "first")
yourDF$newCol <- c("V1", "V2", "V3", "V4")[j1]
j1dplyr 1.0.0
中的一个选项可以是：
DF %>%
rowwise() %>%
mutate(row_max = names(.)[which.max(c_across(everything()))])
V1 V2 V3 row_max
<dbl> <dbl> <dbl> <chr>
1 2 7 9 V3
2 8 3 6 V1
3 1 5 4 V2
样本数据：
DF <- structure(list(V1 = c(2, 8, 1), V2 = c(7, 3, 5), V3 = c(9, 6,
4)), class = "data.frame", row.names = c(NA, -3L))
DF这个很快：
with(DF, {
names(DF)[(V1 > V2 & V1 > V3) * 1 + (V2 > V3 & V2 > V1) * 2 + (V3 > V1 & V3 > V2)*3]
})
您的实际数据有多大？@Arun>dim（test）[1]26746 18一个有趣的概括是，如果我有两个相等的列，我通常只选择第一列，那么每行的最大n个值的列名将是最大的。这些是边界情况，不会打乱我的统计分析。@dmvianna-使用which.max
就可以了。我假设保留了顺序，所以我可以用t创建一个新列他的向量将与员工ID正确对齐。正确吗？apply
在内部将数据框
转换为矩阵
。但是您可能看不到这些维度上的性能差异。@pankajkandal-假设不同的值，这个colnames（DF）[max.col（替换）DF，cbind（序列号）（nrow（DF）），max.col（DF，ties.method=“first”），-Inf），“first”）]
实际上，我不在乎它是第一个最大值还是最后一个最大值。我首先考虑的是简单性，但我相信data.table解决方案将来会派上用场，谢谢！我也有类似的要求，但希望列名称的每一行都具有最小值……我们似乎在R中没有min.col……您知道等效值是什么吗解决方案？你好@user1412。谢谢你提出的有趣的问题。我现在除了使用which.min
之外，没有其他任何想法，它看起来像：DT[，min:=colnames（.SD）[apply（.SD，1，which.min）]
或DT[，MIN2:=colnames（.SD）[which.min（.SD）]，by=1:nrow（DT）在上面的虚构数据上，这不考虑领带，只返回第一个最小值。也许会考虑问一个单独的问题。我也很好奇你会得到什么答案。得到最小列的技巧是把DATA帧的负数发送到Max。CL，比如：<代码> CalNeX（.SD）[Max .CL（-SD，Tyth.Frase=“第一”）]。
。你能评论一下这种方法和sbha上面的答案之间的区别吗？我觉得它们差不多。如果我
DF = data.frame(V1=c(2,8,1),V2=c(7,3,5),V3=c(9,6,4))
DF %>%
rownames_to_column() %>%
gather(column, value, -rowname) %>%
group_by(rowname) %>%
filter(rank(-value) == 1)
# A tibble: 3 x 3
# Groups: rowname [3]
rowname column value
<chr> <chr> <dbl>
1 2 V1 8
2 3 V2 5
3 1 V3 9
DF %>%
rownames_to_column() %>%
gather(column, value, -rowname) %>%
group_by(rowname) %>%
mutate(rk = rank(-value)) %>%
filter(rk <= 2) %>%
arrange(rowname, rk)
# A tibble: 6 x 4
# Groups: rowname [3]
rowname column value rk
<chr> <chr> <dbl> <dbl>
1 1 V3 9 1
2 1 V2 7 2
3 2 V1 8 1
4 2 V3 6 2
5 3 V2 5 1
6 3 V3 4 2
j1 <- max.col(yourDF[, .(V1, V2, V3, V4)], "first")
yourDF$newCol <- c("V1", "V2", "V3", "V4")[j1]
DF %>%
rowwise() %>%
mutate(row_max = names(.)[which.max(c_across(everything()))])
V1 V2 V3 row_max
<dbl> <dbl> <dbl> <chr>
1 2 7 9 V3
2 8 3 6 V1
3 1 5 4 V2
DF %>%
mutate(row_max = pmap(across(everything()), ~ names(c(...)[which.max(c(...))])))
DF <- structure(list(V1 = c(2, 8, 1), V2 = c(7, 3, 5), V3 = c(9, 6,
4)), class = "data.frame", row.names = c(NA, -3L))
with(DF, {
names(DF)[(V1 > V2 & V1 > V3) * 1 + (V2 > V3 & V2 > V1) * 2 + (V3 > V1 & V3 > V2)*3]
})