返回 R 中大 df 中每个变量的最低 5 个值和 ID答案

【问题标题】：Return lowest 5 values and IDs for every variable in large df in R返回 R 中大 df 中每个变量的最低 5 个值和 ID
【发布时间】：2017-10-04 20:35:50
【问题描述】：

我有一个大数据框（4631 行 x 2995 列）。行代表美国所有医院的邮政编码，列代表患者的邮政编码。我计算了患者家拉链和医院之间的距离，因此每个单元格值都是一个数值，表示每个患者家和每家医院之间的英里数。

一个例子 df 是：

        10960     11040    56277    55379     

37160   674.14    238.04   25.89     5.31

37091   162.62    71.25    428.56    672.11

89148   931.31    0.03     389.25    1000.05

91776   15.05     508.74   315.61    101.01

我现在要做的是为每个患者提取最低的五个值，这将代表每个患者最近的五个医院。但我不仅需要提取单元格值，还需要行名，以便知道这些医院所在的邮政编码。

因此，例如，如果我只为每个患者/列寻找最低的两个值，我想知道对于患者 10960，最近的医院在 15.05 英里外，邮政编码为 91776，第二个最近的医院在 162.62 英里外，邮政编码为 37091。

我已经转置了这些数据，所以如果通过交换行和列来更容易做到这一点，这对我来说很好。我不需要代码来做到这一点。

我已经找到了使用函数和应用等获取最低值的方法，但它没有给我相应的邮政编码。

如果有任何帮助，我将不胜感激！

谢谢！

【问题讨论】：

您能举一个数据集样本的例子吗？也许像dput(df[1:10, 1:5]) 这样的东西？邮政编码和患者代码分别只是行名和列名吗？
抱歉，我不确定我是否理解您要求的示例类型。是的，医院邮政编码是行名，患者代码是列名，单元格值是医院和患者家庭邮政编码之间的英里数。病人的拉链在另一个数据集中，这个数据框只是我的距离分析的输出，我计算了医院拉链和病人拉链之间的距离。

标签： r sorting dplyr lapply sapply

【解决方案1】：

这样的事情应该可以解决问题：

library(dplyr)
library(tidyr)

df %>% 
  mutate(hospital = rownames(.)) %>% 
  gather("patient", "distance", -hospital) %>% 
  group_by(patient) %>% 
  arrange(distance) %>% 
  slice(1:5) %>% 
  ungroup

首先从行名中添加一个hospital 列，然后在gather 步骤中，距离的列被转换为行 - 每个列名都成为新的patient 列下的一个条目，并且每列中的距离成为distance 列的一部分。 group_by 和 arrange find 对每个患者的距离进行排序，slice 获取每个患者的前 5 行。 ungroup 不是必需的，但如果不再需要分组，最好撤消 group_by。

【讨论】：

【解决方案2】：

也许这会起作用：

library(dplyr)

test <- lapply(1:length(df), function(i) {
  x <- arrange(df, names(df)[i])
  tibble(HospitalZipCode = rownames(x)[1:5], 
         Distance = x[1:5,i, drop=TRUE], 
         Order = 1:5,
         PatientID=names(df)[i])
  }) %>% bind_rows()

这应该会为您提供一个表格，其中每位患者有 5 行。我为医院的顺序添加了一列（1 表示最近，2 表示第二等）

【讨论】：