如何使用 dplyr 选择每组中具有最大值的行？ [复制]

Question

我想用 dplyr 在每组中选择一个最大值的行。

首先我生成一些随机数据来显示我的问题

set.seed(1)
df <- expand.grid(list(A = 1:5, B = 1:5, C = 1:5))
df$value <- runif(nrow(df))

在 plyr 中，我可以使用自定义函数来选择这一行。

library(plyr)
ddply(df, .(A, B), function(x) x[which.max(x$value),])

在 dplyr 中，我使用此代码来获取最大值，但不是具有最大值的行（在本例中为 C 列）。

library(dplyr)
df %>% group_by(A, B) %>%
    summarise(max = max(value))

我怎样才能做到这一点？感谢您的任何建议。

sessionInfo()
R version 3.1.0 (2014-04-10)
Platform: x86_64-w64-mingw32/x64 (64-bit)

locale:
[1] LC_COLLATE=English_Australia.1252  LC_CTYPE=English_Australia.1252   
[3] LC_MONETARY=English_Australia.1252 LC_NUMERIC=C                      
[5] LC_TIME=English_Australia.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] dplyr_0.2  plyr_1.8.1

loaded via a namespace (and not attached):
[1] assertthat_0.1.0.99 parallel_3.1.0      Rcpp_0.11.1        
[4] tools_3.1.0        

Answer 1

试试这个：

result <- df %>% 
             group_by(A, B) %>%
             filter(value == max(value)) %>%
             arrange(A,B,C)

似乎有效：

identical(
  as.data.frame(result),
  ddply(df, .(A, B), function(x) x[which.max(x$value),])
)
#[1] TRUE

正如 cmets 中所指出的，如果您严格只希望每组 1 行，则 slice 在此处可能是首选，如 @RoyalITS' answer below。如果有多个具有相同最大值的行，则此答案将返回多行。

Answer 2

df %>% group_by(A,B) %>% slice(which.max(value))

Answer 3

你可以使用top_n

df %>% group_by(A, B) %>% top_n(n=1)

这将按最后一列 (value) 排名并返回顶部的 n=1 行。

目前，您无法更改此默认设置而不会导致错误（请参阅https://github.com/hadley/dplyr/issues/426）

Answer 4

这种更详细的解决方案可以更好地控制在最大值重复的情况下发生的情况（在本示例中，它将随机获取相应的行之一）

library(dplyr)
df %>% group_by(A, B) %>%
  mutate(the_rank  = rank(-value, ties.method = "random")) %>%
  filter(the_rank == 1) %>% select(-the_rank)

Answer 5

更一般地说，我认为您可能希望获得给定组中排序的行的“顶部”。

对于单个值被最大化的情况，您基本上只按一列排序。但是，按多列进行分层排序通常很有用（例如：日期列和时间列）。

# Answering the question of getting row with max "value".
df %>% 
  # Within each grouping of A and B values.
  group_by( A, B) %>% 
  # Sort rows in descending order by "value" column.
  arrange( desc(value) ) %>% 
  # Pick the top 1 value
  slice(1) %>% 
  # Remember to ungroup in case you want to do further work without grouping.
  ungroup()

# Answering an extension of the question of 
# getting row with the max value of the lowest "C".
df %>% 
  # Within each grouping of A and B values.
  group_by( A, B) %>% 
  # Sort rows in ascending order by C, and then within that by 
  # descending order by "value" column.
  arrange( C, desc(value) ) %>% 
  # Pick the one top row based on the sort
  slice(1) %>% 
  # Remember to ungroup in case you want to do further work without grouping.
  ungroup()

Answer 6

对我来说，计算每组值的数量很有帮助。将计数表复制到一个新对象中。然后根据第一个分组特征过滤组的最大值。例如：

count_table  <- df %>%
                group_by(A, B) %>%
                count() %>%
                arrange(A, desc(n))

count_table %>% 
    group_by(A) %>%
    filter(n == max(n))

或

count_table %>% 
    group_by(A) %>%
    top_n(1, n)