从 R 中的最小值创建一个新变量

Question

数据包含四个字段：id, x1, x2, and x3。

id <- c(1,2,3,4,5,6,7,8,9,10)
x1 <- c(2,4,5,3,6,4,3,6,7,7)
x2 <- c(0,1,2,6,7,6,0,8,2,2)
x3 <- c(5,3,4,5,8,3,4,2,5,6)

DF <- data.frame(id, x1,x2,x3)

在我问这个问题之前，让我创建一个新字段 (minX)，它是 (x1,x2,x3) 的最小值

DF$minX <- pmin(DF$x1, DF$x2, DF$x3)

我需要新建一个字段y，定义如下

if min(x1,x2,x3) = x1, then y = "x1"
if min(x1,x2,x3) = x2, then y = "x2"
if min(x1,x2,x3) = x3, then y = "x3"

注意：我们假设没有关系。

Answer 1

作为一个简单的解决方案，这样做：

VARS <- colnames(DF)[-1]
y <- VARS[apply(DF[, -1], MARGIN = 1, FUN = which.min)]
DF$y <- y

函数which.min 返回最小值的索引。如果最小值不是唯一的，则返回第一个。既然你保证没有平局，这不是问题。

最后，你应该熟悉apply，对吧？ MARGIN = 1 表示按行应用函数FUN，而MARGIN = 2 表示按列应用FUN。这是一个有用的功能，可以避免在处理矩阵时需要 for 循环。由于您的数据框只包含数字/整数值，它就像一个矩阵，因此我们可以使用apply。

Answer 2

这是另一个使用 pmin 和 max.col 的选项

library(data.table)
setDT(DF)[, c("minx", "y") := list(do.call(pmin, .SD), 
             names(.SD)[max.col(-1*.SD)]), .SDcols= x1:x3]
DF
#    id x1 x2 x3 minx  y
# 1:  1  2  0  5    0 x2
# 2:  2  4  1  3    1 x2
# 3:  3  5  2  4    2 x2
# 4:  4  3  6  5    3 x1
3 5:  5  6  7  8    6 x1
# 6:  6  4  6  3    3 x3
# 7:  7  3  0  4    0 x2
# 8:  8  6  8  2    2 x3
# 9:  9  7  2  5    2 x2
#10: 10  7  2  6    2 x2

Answer 3

data.table 解决方案：

# create variables
id <- c(1,2,3,4,5,6,7,8,9,10)
x1 <- c(2,4,5,3,6,4,3,6,7,7)
x2 <- c(0,1,2,6,7,6,0,8,2,2)
x3 <- c(5,3,4,5,8,3,4,2,5,6)
DF <- data.frame(id, x1,x2,x3)

# load package and set data table, calculating min
library(data.table)
setDT(DF)[, minx := apply(.SD, 1, min), .SDcols=c("x1", "x2", "x3")]

# Create variable with name of minimum
DF[, y := apply(.SD, 1, function(x) names(x)[which.min(x)]), .SDcols = c("x1", "x2", "x3")]

# call result
DF
##     id x1 x2 x3 minx  y
 1:  1  2  0  5    0 x2
 2:  2  4  1  3    1 x2
 3:  3  5  2  4    2 x2
 4:  4  3  6  5    3 x1
 5:  5  6  7  8    6 x1
 6:  6  4  6  3    3 x3
 7:  7  3  0  4    0 x2
 8:  8  6  8  2    2 x3
 9:  9  7  2  5    2 x2
10: 10  7  2  6    2 x2

最后一步可以直接调用，不需要计算minx。 请注意data.table 在大型数据集中的速度特别快。

######## 编辑添加：DPLYR 方法#########

为了完整起见，这将是一个dplyr 方法来产生相同的（最终）结果。这个解决方案归功于@eipi10 在我从这个问题(see here) 开始的问题中：

DF %>% mutate(y = apply(.[,2:4], 1, function(x) names(x)[which.min(x)]))

当应用于 1e6 行数据帧（在我的索尼笔记本电脑中大约 17 秒）时，此解决方案与原始答案中提供的 data.table 所用的时间大致相同。