R - 在重复的 ID 和索引中有条件地选择答案

【问题标题】：R - Conditionally select within duplicate IDs and indexR - 在重复的 ID 和索引中有条件地选择
【发布时间】：2018-12-15 08:12:34
【问题描述】：

我有一个包含重复 ID 和不同变量的数据框，如下所示：

x <- 1:10
ID <- c(20,20,55,55,45,45,45,45,45,45)
fruit <- c("Orange", "Apple", "Pear", "Apple", "Blueberries", "Apple", "Banana", "Banana", "Strawberry", "Pear")
df <- cbind(x, ID, fruit)

> df
X   ID   fruit
1   20   Orange
2   20   Apple
3   20   Pear
4   55   Apple
5   55   Blueberries
6   45   Apple
7   45   Banana
8   45   Banana
9   45   Strawberry
10  45   Pear

我需要根据层次结构有条件地索引某些属性（例如，橙 > 蓝莓 > 梨 > 香蕉 > 苹果 > 草莓）在要获取的重复 ID 中：

X   ID   fruit
1   20   Orange
5   55   Blueberries
10  45   Pear

说真的，我对如何做到这一点没有好的/简单的想法。有什么想法吗？

【问题讨论】：

我猜你不想使用df <- cbind(...)，因为它会生成一个矩阵。你是说df <- data.frame(...) 吗？

标签： r

【解决方案1】：

我们arrange'ID'，'fruit'基于'OP's post中指定的levels，'X'以'降序'顺序，然后按'ID'分组，slice第一个行

library(dplyr)
df %>% 
  arrange(ID, factor(fruit, levels = c('Orange', 'Blueberries', 'Pear', 
             'Banana','Apple', 'Strawberry')), desc(X)) %>% 
  group_by(ID) %>% 
  slice(1)
# A tibble: 3 x 3
# Groups:   ID [3]
#      X    ID fruit      
#  <int> <int> <chr>      
#1     1    20 Orange     
#2    10    45 Pear       
#3     5    55 Blueberries

数据

df <- structure(list(X = 1:10, ID = c(20L, 20L, 20L, 55L, 55L, 45L, 
45L, 45L, 45L, 45L), fruit = c("Orange", "Apple", "Pear", "Apple", 
"Blueberries", "Apple", "Banana", "Banana", "Strawberry", "Pear"
 )), class = "data.frame", row.names = c(NA, -10L))

【讨论】：

【解决方案2】：

假设您只需要每个组中的一行，并且每个组都具有所需的 fruit，我们可以创建一个单独的向量来存储层次结构，并使用 mapply 根据组对其进行子集化。

hierarc_vec <- c("Orange","Blueberries", "Pear", "Banana","Apple","Strawberry")
ids <- unique(df$ID)

df[mapply(function(x, y) which.max(df$ID == x & df$fruit == y), 
                     ids, hierarc_vec[1:length(ids)]), ]


#    x ID       fruit
#1   1 20      Orange
#5   5 55 Blueberries
#10 10 45        Pear

数据

x <- 1:10
ID <- c(20,20,55,55,55,45,45,45,45,45)
fruit <- c("Orange", "Apple", "Pear", "Apple", "Blueberries", 
           "Apple", "Banana", "Banana", "Strawberry", "Pear")
df <- data.frame(x, ID, fruit)

【讨论】：

【解决方案3】：

爱他们或恨他们，这就是因素设计的目的。

library('dplyr')

x <- 1:10
ID <- c(20,20,55,55,45,45,45,45,45,45)
fruit <- c("Orange", "Apple", "Pear", "Apple", "Blueberries", "Apple", "Banana", "Banana", "Strawberry", "Pear")
df <- cbind(x, ID, fruit)

df %>%
    as.data.frame() %>%
    mutate(fruit = factor(
        fruit,
        levels = c('Orange','Blueberries','Pear','Banana','Apple','Strawberry'),
        ordered = T
    )) %>%
    group_by(ID) %>%
    arrange(fruit, ID) %>%
    slice(1)

# A tibble: 3 x 3
# Groups:   ID [3]
  x     ID    fruit      
  <fct> <fct> <ord>      
1 1     20    Orange     
2 5     45    Blueberries
3 3     55    Pear

【讨论】：