R - 根据多个条件查找最小值并根据最小值返回一个或多个创建的字符串

Question

我问这个问题是this one 的后续问题，@alexis_laz 以非常简洁的方式回答了这个问题。 不幸的是，他的方法（包括创建一个带有零负载的长数据框）现在原始数据集已经急剧扩展，因此数据过于密集。

基本问题就是这个。 考虑一个具有三列 x、y、z 的数据框。我正在寻找与每个 y 的最低 x 值相关联的 z 和 x 的值。理想的输出是y[i]_x[i]_z[i] 类型的字符串，其中 i 是相关的行号。

这是一个可重现的示例 set.seed(1)

x <- rpois(10000, lambda = 10); x[sample.int(50, 20)] <- NA
y <- rep(LETTERS, length.out=10000)
z <- seq(1:10000)
df <- data.frame(cbind(x,y,z))

所需的输出（我通过简单地订购 df 和滚动找到）：

df <- df[order(y,x,z),]

1. 对于 y = A，min(x) = 2，z = 313 => 所需的结果（NA 可以被删除）应该类似于 paste0(y,"_",x,"_",z) 因此 A_1_313
2. 对于 y = B，min(x) = 2，z = 782、6008 或 7230 => 所需结果将为我提供所有三个字符串，即 B_2_782、B_2_6008 和 B_2_7230
3. 对于 y = F，min(x) = 3，这个最小值与 5 个不同的 z 值（4114、4712、5336、7234、7520）相关，所以我想得到五个字符串 ....

我不希望在真实数据集中的任何地方都有超过 5 个字符串作为输出。 如前所述，@alexis_laz 为几乎相同的问题（我也问过）提供了一个解决方案，但该解决方案需要创建一个超过我的计算机能力的数据帧（>2.4GB 数据帧，6.5 亿行），因为我的数据集已经从37 到 15000 家公司:)

提前致谢！

PS： 我已经使用max.col、which.max 和tapply 寻找解决方案，但到目前为止没有一个对我有用。似乎tapply(x,y,which.min) 之类的东西只是在有序 df 中返回 1 的列表，因为 which.min 返回向量/矩阵中的位置，该位置在 tapply 函数中始终为 1。因此，使用 tapply 但返回 df 的行号的东西将是工作的 99%。

Answer 1

编辑：我被一个微妙的data.table 行为所困扰。 data.table 保留汇总数据的密钥，但仅保留您汇总的数据。所以加入并没有做我认为它正在做的事情。这是完全相同的逻辑，但需要一个临时步骤来取消设置分组数据的部分键：

# data generated with `set.seed(1)`
library(data.table)
dt <- data.table(x, y, z)[!is.na(x)]
setkey(dt, y, x)                                   # among other things, this sorts `dt` by `x` and `y` quickly
sub.dt <- dt[, list(x=x[[1]]), by=y][, list(y, x)] # get low X for each Y, and reorder cols to match key
setkey(sub.dt, NULL)                               # need to remove key as otherwise would join only on `y`
dt[sub.dt, paste(x, y, z, sep="_")]                # now join

生产：

    y x       V1
 1: A 1  1_A_313
 2: B 2  2_B_782
 3: B 2 2_B_6008
 4: B 2 2_B_7230
 5: C 2 2_C_2993
 6: D 2 2_D_4762
 7: E 2  2_E_239
 8: E 2 2_E_4581
 9: F 3 3_F_4114
10: F 3 3_F_4712
...
41: S 2 2_S_3113
42: S 2 2_S_7949
43: T 2 2_T_4570
44: U 1  1_U_671
45: V 2  2_V_178
46: W 2 2_W_1817
47: W 2 2_W_2233
48: X 1  1_X_648
49: Y 2  2_Y_857
50: Y 2 2_Y_7227
51: Z 3 3_Z_6526
    y x       V1

Edit2：由 Arun 在 cmets 中提供的更简洁的版本：

dt[dt[, .I[x==min(x)], by=y][, V1]]