用组的第一次观察替换所有值答案

【问题标题】：Replace all values with first observation by group用组的第一次观察替换所有值
【发布时间】：2021-05-28 06:35:06
【问题描述】：

对于由“id”定义的每个组，我想选择“x”和“y”列的第一行中的值，并将所有后续值替换为第一个值.

一些数据：

id    Visit   x        y
1      1      0        1
1      2      1        2
1      3      2        8
2      9      1       11
2      10     12      14

我想要：

id    Visit   x        y
1      1      0        1
1      2      0        1  # <- x & y replaced with first values of 'id' 1 
1      3      0        1  # 
2      9      1        11  
2      10     1        11 # <- x & y replaced with first values of 'id' 2

我试过了：

df1 <- df %>%
  arrange(id, Visit) %>%
  group_by(id) %>%
  fill(x, y, 
       .direction = 'down',)

但是，似乎并没有这样做。有人可以帮忙吗？

【问题讨论】：

tidyr::fill 旨在填充缺失值，而不是填充现有值。也就是说，当您有 NA 存在时，它就可以工作。
哦，我明白了。谢谢你的澄清！

标签： r dataframe dplyr

【解决方案1】：

如果您想要 @akrun 的精彩答案的 base-R 版本：

df[c("x","y")] <- lapply(df[c("x","y")], function(z) ave(z, df$id, FUN = function(y) y[1]))
df
#   id Visit x  y
# 1  1     1 0  1
# 2  1     2 0  1
# 3  1     3 0  1
# 4  2     9 1 11
# 5  2    10 1 11

（我故意避免使用dplyr::first 或data.table::first，因为这会破坏使用这个基本 R 版本的意义。）

或 data.table 变体：

library(data.table)
setDT(df)
df[, c("x","y") := lapply(.SD[,c("x","y")], first), by = .(id)]

正如@Henrik 刚刚提到的，在此处使用.SDcols （好多了！）更好：

df[, c("x","y") := lapply(.SD, first), by = .(id), .SDcols = c("x","y")]

【讨论】：

嗨@r2evans！您应该避免使用.SD[...]：对于by 中的每次迭代，它都会调用[.data.table，这会产生很大的开销。而是使用df[, c("x","y") := lapply(.SD, first), .SDcols = c("x", "y"), by = id]，这在处理较大数据时要快得多。干杯
谢谢@Henrik，我不知道那里的性能问题。我对.SDcols 大体上很熟悉，我可以通过这些数据看到它可以在性能上产生 3 倍的差异。我没有在data.table docs 中看到它的注释，有没有提到它？
@Henrik，你知道是否有讨论过在 LHS 中使用 .SDcols 名称而不预先定义向量？例如，df[, (.SDcolnms) := lapply(.SD,...), .SDcols=c('x','y')]。我知道可以通过预先分配nms <- c('x','y') 并在两个地方使用它来轻松处理它......只是好奇。再次感谢。
关于名称，有一个流行的功能请求：names(.SD) := ... should work。敬请期待！
相关note on not to use .SD[...] in FAQ

【解决方案2】：

使用duplicated 的base 替代方案：

df[, c("x", "y")] = df[(i = !duplicated(df$id)), c("x", "y")][cumsum(i), ]
#   id Visit x  y
# 1  1     1 0  1
# 2  1     2 0  1
# 3  1     3 0  1
# 4  2     9 1 11
# 5  2    10 1 11

使用data.table 滚动联接“填充”每个组中的第一个值（在较大数据上快速）：

library(data.table)
setDT(df)
df[ , c("x", "y") := df[!duplicated(id)][.SD, on = .(id, Visit), .(x, y), roll = Inf]]
df
#    id Visit x  y
# 1:  1     1 0  1
# 2:  1     2 0  1
# 3:  1     3 0  1
# 4:  2     9 1 11
# 5:  2    10 1 11

【讨论】：

【解决方案3】：

另一个基本 R 选项

with(
  df,
  cbind(
    df[c("id", "Visit")],
    cbind(x, y)[ave(1:nrow(df), id, FUN = function(x) head(x, 1)), ]
  )
)

给予

  id Visit x  y
1  1     1 0  1
2  1     2 0  1
3  1     3 0  1
4  2     9 1 11
5  2    10 1 11

【讨论】：

【解决方案4】：

我们可以在mutate 上使用first 和across

library(dplyr)
df %>%
    arrange(id, Visit) %>% 
    group_by(id) %>% 
    mutate(across(c(x, y), first)) %>%
    ungroup

【讨论】：