如何在R中的组内排名？答案

【问题标题】：How to rank within groups in R?如何在R中的组内排名？
【发布时间】：2015-10-29 19:16:40
【问题描述】：

好的，看看这个数据框...

  customer_name order_dates order_values
1          John  2010-11-01           15
2           Bob  2008-03-25           12
3          Alex  2009-11-15            5
4          John  2012-08-06           15
5          John  2015-05-07           20

假设我想添加一个订单变量，该变量按名称、最大订单日期、使用决胜局的最后订单日期对最高订单价值进行排名。所以，最终数据应该是这样的：

  customer_name order_dates order_values ranked_order_values_by_max_value_date
1          John  2010-11-01           15                               3
2           Bob  2008-03-25           12                               1
3          Alex  2009-11-15            5                               1
4          John  2012-08-06           15                               2
5          John  2015-05-07           20                               1

每个人的单笔订单都得1分，之后的所有订单都根据该值进行排名，决胜局是最后一个订单日期获得优先权。在此示例中，John 的 2012 年 8 月 6 日订单排名第 2，因为它是在 2010 年 11 月 1 日之后放置的。 2015 年 5 月 7 日的订单是 1，因为它是最大的。因此，即使该订单是 20 年前下的，它也应该是排名第一的，因为它是 John 的最高订单价值。

有谁知道我如何在 R 中做到这一点？我可以在数据框中的一组指定变量中进行排名吗？

感谢您的帮助！

【问题讨论】：

@akrun 价值的决胜局怎么样？
这是制作数据框的代码，以防万一：customer_name
@SenorO OP 的示例测试起来应该更复杂一些。此外，来自dplyr 的dense_rank 是一种决胜局
@akun：价值的决胜局将是订单日期。所以约翰有两个 15 美元的订单，但最先下的那个排名更高。
可能是setDT(df1)[, rnk := order(desc(order_values), desc(order_dates)), customer_name] 使用data.table

标签： r group-by rank

【解决方案1】：

与@t-himmel 的回答类似，您可以使用 data.table 获取排名。

dt[ , rnk := order(order(order_values, decreasing = TRUE)), customer_name ]

【讨论】：

【解决方案2】：

df %>% 
  group_by(customer_name) %>% 
  arrange(customer_name,desc(order_values)) %>% 
  mutate(rank2=rank(order_values))

【讨论】：

【解决方案3】：

您可以使用dplyr 轻松完成此操作

library(dplyr)
df %>%
    group_by(customer_name) %>%
    mutate(my_ranks = order(order(order_values, order_dates, decreasing=TRUE)))

Source: local data frame [5 x 4]
Groups: customer_name

  customer_name order_dates order_values my_ranks
1          John  2010-11-01           15        3
2           Bob  2008-03-25           12        1
3          Alex  2009-11-15            5        1
4          John  2012-08-06           15        2
5          John  2015-05-07           20        1

【讨论】：

这是不正确的。 correct answer 由 @T.Himmel 提供。

【解决方案4】：

评分最高的答案（由 cdeterman 提供）实际上是不正确的。 order 函数提供排名第 1、第 2、第 3 等值的位置，而不是当前顺序中值的排名。

让我们举一个简单的例子，我们想要排名，从最大的开始，按客户名称分组。我已经包含了一个手动排名，所以我们可以检查值

    > df
       customer_name order_values manual_rank
    1           John            2           5
    2           John            5           2
    3           John            9           1
    4           John            1           6
    5           John            4           3
    6           John            3           4
    7           Lucy            4           4
    8           Lucy            9           1
    9           Lucy            6           3
    10          Lucy            2           6
    11          Lucy            8           2
    12          Lucy            3           5

如果我运行 cdeterman 建议的代码，我会得到以下不正确的排名：

    > df %>%
    +   group_by(customer_name) %>%
    +   mutate(my_ranks = order(order_values, decreasing=TRUE))
    Source: local data frame [12 x 4]
    Groups: customer_name [2]

       customer_name order_values manual_rank my_ranks
              <fctr>        <dbl>       <dbl>    <int>
    1           John            2           5        3
    2           John            5           2        2
    3           John            9           1        5
    4           John            1           6        6
    5           John            4           3        1
    6           John            3           4        4
    7           Lucy            4           4        2
    8           Lucy            9           1        5
    9           Lucy            6           3        3
    10          Lucy            2           6        1
    11          Lucy            8           2        6
    12          Lucy            3           5        4

Order 用于将数据帧重新排序为降序或升序。我们真正想要的是运行两次 order 函数，第二次 order 函数为我们提供了我们想要的实际排名。

    > df %>%
    +   group_by(customer_name) %>%
    +   mutate(good_ranks = order(order(order_values, decreasing=TRUE)))
    Source: local data frame [12 x 4]
    Groups: customer_name [2]

       customer_name order_values manual_rank good_ranks
              <fctr>        <dbl>       <dbl>      <int>
    1           John            2           5          5
    2           John            5           2          2
    3           John            9           1          1
    4           John            1           6          6
    5           John            4           3          3
    6           John            3           4          4
    7           Lucy            4           4          4
    8           Lucy            9           1          1
    9           Lucy            6           3          3
    10          Lucy            2           6          6
    11          Lucy            8           2          2
    12          Lucy            3           5          5

【讨论】：

这对我很有用。我必须先运行detach("package:plyr", unload=TRUE)，这样它才能正确分组。感谢您的解决方案！

【解决方案5】：

在基础R 中，你可以用稍微笨重的东西来做到这一点

transform(df,rank=ave(1:nrow(df),customer_name,
  FUN=function(x) order(order_values[x],order_dates[x],decreasing=TRUE)))

customer_name order_dates order_values 排名 1 约翰 2010-11-01 15 3 2 鲍勃 2008-03-25 12 1 3 亚历克斯 2009-11-15 5 1 4 约翰 2012-08-06 15 2 5 约翰 2015-05-07 20 1

其中order 提供了每个组的主要值和决胜局值。

【讨论】：

【解决方案6】：

这可以通过ave 和rank 来实现。 ave 将适当的组传递给rank。由于请求的顺序，rank 的结果是相反的：

with(x, ave(as.numeric(order_dates), customer_name, FUN=function(x) rev(rank(x))))
## [1] 3 1 1 2 1

【讨论】：