R group by key获取多列的最大值答案

【问题标题】：R group by key get max value for multiple columnsR group by key获取多列的最大值
【发布时间】：2018-03-07 19:40:49
【问题描述】：

我想做这样的事情：

How to make a unique in R by column A and keep the row with maximum value in column B

除了我的data.table 有一个键列和多个值列。所以说我有以下内容：

如果键是列a，我希望为每个唯一的a 返回最大b 的行，如果有多个唯一的最大值b，则获取最大的行c 等多个列。所以结果应该是：

我还希望对任意数量的列执行此操作。因此，如果我的 data.table 有 20 列，我希望按从左到右的顺序应用 max 函数。

【问题讨论】：

是的，抱歉，我修好了。
好的，谢谢。我猜某处有骗子，但DT[order(b,c), .SD[.N], by=a] 有效。
酷，有没有一种方法可以对任意数量的列进行通用处理？这仅在我知道列是什么并且可以按名称调用它们的情况下才有效。但我正在尝试编写一个通用函数来执行此操作。
嗯，有cols = c("b","c"); setorderv(DT, cols); DT[, .SD[.N], by=a]，尽管这实际上会修改您的数据。我找不到骗子，而且我的想法（排序）似乎效率很低。也许其他人会有一个想法。顺便说一句，DT[, .SD[.N], by=a] 的替代品是 unique(DT, by="a", fromLast=TRUE)，如果它是您的关键列，您可以写 key(DT) 代替“a”。

标签： r data.table

【解决方案1】：

这是一个建议的 data.table 解决方案。您可能要考虑使用data.table::frankv，如下所示：

DT[, .SD[frankv(.SD, ties.method="first")[.N],], by=a]

frankv 返回订单。然后[.N] 将占据最大排名。然后将.SD[ 子集添加到该特定行。

如果您的较大数据集失败，请告诉我。

【讨论】：

【解决方案2】：

要使此功能适用于任意数量的列，可能的dplyr 解决方案是使用arrange_all

df <- data.frame(a = c(1,1,1,2,2,2,3,3), b = c(1,2,2,1,2,3,1,2),
                 c = c(1,1,2,1,5,3,4,1))

df %>% group_by(a) %>% arrange_all() %>% filter(row_number() == n())

# A tibble: 3 x 3
# Groups:   a [3]
#       a     b     c
# 1     1     2     2
# 2     2     3     3
# 3     3     2     1

【讨论】：

【解决方案3】：

使用mutate_at 可以为任意数量的列实现通用解决方案。在下面的示例中，c("a","b","c") 是任意列。

library(dplyr)
df %>% arrange_at(.vars = vars(c("a","b","c"))) %>%
  mutate(changed = ifelse(a != lead(a), TRUE, FALSE)) %>%
  filter(is.na(changed) | changed ) %>%
  select(-changed)

  a b c
1 1 2 2
2 2 3 3
3 3 2 1

另一个选项可以使用max 和dplyr，如下所示。该方法是首先在a 上使用group_by，然后过滤max 的b 值。 a 和 b 上的再次 group_by 并过滤 max 值为 c 的行。

library(dplyr)

df %>% group_by(a) %>%
  filter(b == max(b)) %>%
  group_by(a, b) %>%
  filter(c == max(c))



# Groups: a, b [3]
#      a     b     c
#  <int> <int> <int>
#1     1     2     2
#2     2     3     3
#3     3     2     1

数据

df <- read.table(text = "a b c
1: 1 1 1
2: 1 2 1
3: 1 2 2
4: 2 1 1
5: 2 2 5
6: 2 3 3
7: 3 1 4
8: 3 2 1", header = TRUE, stringsAsFactors = FALSE)

【讨论】：

【解决方案4】：

dat <- data.frame(a = c(1,1,1,2,2,2,3,3),
                  b = c(1,2,2,1,2,3,1,2),
                  c = c(1,1,2,1,5,3,4,1))

library(sqldf)
sqldf("with d as (select * from 'dat' group by a order by b, c desc) select * from d order by a")

  a b c
1 1 2 2
2 2 3 3
3 3 2 1

【讨论】：