在R中找到最大值的索引答案

【问题标题】：finding the index of a max value in R在R中找到最大值的索引
【发布时间】：2012-10-03 11:17:53
【问题描述】：

我有以下名为surge 的数据框：

MeshID    StormID Rate Surge Wind
1         1412 1.0000E-01   0.01 0.0
2         1412 1.0000E-01   0.03 0.0
3         1412 1.0000E-01   0.09 0.0
4         1412 1.0000E-01   0.12 0.0
5         1412 1.0000E-01   0.02 0.0
6         1412 1.0000E-01   0.02 0.0
7         1412 1.0000E-01   0.07 0.0
1         1413 1.0000E-01   0.06 0.0
2         1413 1.0000E-01   0.02 0.0
3         1413 1.0000E-01   0.05 0.0

我使用以下代码来查找每次风暴的最大浪涌值：

MaxSurge <- data.frame(tapply(surge[,4], surge[,2], max))

1412 0.12
1413 0.06

这很好，除了我还希望它在浪涌最大值处包含MeshID 值。我知道我可能可以使用which.max，但我不太清楚如何将其付诸实践。我对 R 编程非常陌生。

【问题讨论】：

+1 提出一个恰当的问题。它拥有一切，1）数据，2）你尝试了什么，3）它如何不能完全满足你的需求。
MaxSurge[which.max(MaxSurge[,4]),1] 是廉价而肮脏的方式。

标签： r dataframe

【解决方案1】：

还有一个data.table 编码优雅的解决方案

library(data.table)
surge <- as.data.table(surge)
surge[, .SD[which.max(surge)], by = StormID]

【讨论】：

【解决方案2】：

这是另一种 data.table 解决方案，但不依赖 .SD（因此速度快 10 倍）

surge[,grp.ranks:=rank(-1*surge,ties.method='min'),by=StormID]
surge[grp.ranks==1,]

【讨论】：

+1 非常好！当添加.I 时，它会更容易（我希望甚至更快）：surge[ surge[,.I[which.max(surge)],by=StormID,drop=TRUE]]。虽然这有点难看，所以我们可以自动优化 .SD 方法来做到这一点，以保持 mnel 答案的优雅。因此，请注意，您正确地说，如果可能的话，目前应该避免.SD，因为它创建了可能不需要的整个子集。但希望这在未来不会是真的。这一切都在[...] 内部的原因之一是data.table 可以在未来优化这样的事情。

【解决方案3】：

如果您最多有 2 个 data.points，which.max 将仅引用第一个。更完整的解决方案将涉及rank：

# data with a tie for max  
surge <- data.frame(MeshID=c(1:7,1:4),StormID=c(rep(1412,7),
rep(1413,4)),Surge=c(0.01,0.03,0.09,0.12,0.02,0.02,0.07,0.06,0.02,0.05,0.06))

# compute ranks  
surge$rank <- ave(-surge$Surge,surge$StormID,FUN=function(x) rank(x,ties.method="min"))
# subset on the rank  
subset(surge,rank==1)
   MeshID StormID Surge rank
4       4    1412  0.12    1
8       1    1413  0.06    1
11      4    1413  0.06    1

【讨论】：

这很好用——我担心会出现多个最大值。如果我只关心浪涌 >.10 的情况怎么办？
@user1716877 subset(surge,Surge>0.1)

【解决方案4】：

这是一个 plyr 解决方案，只是因为如果我不这样做，有人会说...

R> ddply(surge, "StormID", function(x) x[which.max(x$Surge),])
  MeshID StormID Rate Surge Wind
1      4    1412  0.1  0.12    0
2      1    1413  0.1  0.06    0

【讨论】：

这两种方法似乎给出了不同的结果。 ddply 版本有效，因为在函数内部您正在索引x 的子集。在tapply 版本中，which.max 返回子集中最大值的索引，但使用它来索引整个x。
我可以再问一个问题吗？如果我想计算特定stormID的最大重复次数，我该怎么做？在这一点上，它只是选择了 Surge 为最大值的第一个 MeshID 实例，对吗？如果最大值出现不止一次怎么办？谢谢。
完美！对不起，还有一个问题。如果我真的只对浪涌 > .10 的情况感兴趣怎么办？