R子集数据框并基于列执行功能

Question

样本数据。我还不确定如何在 SO 上使用代码块系统。

df <- data.frame(c(1,1,1,2,2,2,3,3,3),c(1990,1991,1992,1990,1991,1992,1990,1991,1992),c(1,2,3,3,2,1,2,1,3))
colnames(df) <- c("id", "year", "value")

生成一个简单的矩阵。

id year value
1 1990 1
1 1991 2
1 1992 3
2 1990 3
2 1991 2
2 1992 1
3 1990 2
3 1991 1
3 1992 3

我正在整理 R 子集问题，但无法弄清楚应用到它的 ddply 函数 {plyr} 的第二步。

逻辑：对于所有ID子组，找出最早时间点的最大值（即3）。

我对在这里使用什么语法感到困惑。通过搜索 SO，我认为 ddply 是最佳选择，但无法弄清楚如何。理想情况下，我的输出应该是一个 UNIQUE ID 的向量（因为只选择了一个，并带有整行。这对我来说在 R 中不起作用，但它是我能想到的最好的“逻辑”。

ddply( (ddply(df,id)), year, which.min(value) )

例如

id year value
1 1992 3
2 1990 3
3 1992 3

如果 3 不可用，则应采用下一个最高值（2 或 1）。有什么想法吗？

Answer 1

您需要了解ddply 根据拆分变量将您的原始 data.frame 拆分为 data.frames。因此，它需要一个以 data.frame 作为参数和返回值的函数。

library(plyr)
ddply(df,.(id),function(DF) {res <- DF[which.max(DF$value),]
                             res[which.min(res$year),]})

#   id year value
# 1  1 1992     3
# 2  2 1990     3
# 3  3 1992     3

Answer 2

我相信data.table 是最适合您的工具（出于速度和语法原因）：

library(data.table)
dt = data.table(df)

# order by year, and then take the first row for each id that has max 'value'
dt[order(year), .SD[which.max(value)], by = id]
#   id year value
#1:  1 1992     3
#2:  2 1990     3
#3:  3 1992     3

# if you're after speed, this slightly worse syntax is the current way of achieving it
dt[dt[order(year), .I[which.max(value)], by = id]$V1]