选择 r 中组内变量值最大的行

Question

a.2<-sample(1:10,100,replace=T)
b.2<-sample(1:100,100,replace=T)
a.3<-data.frame(a.2,b.2)

r<-sapply(split(a.3,a.2),function(x) which.max(x$b.2))

a.3[r,]

返回列表索引，而不是整个 data.frame 的索引

我试图为 a.2 的每个子组返回 b.2 的最大值。我怎样才能有效地做到这一点？

Answer 1

我认为 ddply 和 ave 方法都相当耗费资源。 ave 因当前问题的内存不足而失败（67,608 行，其中四列定义唯一键）。 tapply 是一个方便的选择，但我通常需要做的是选择每个唯一键（通常由多个列定义）具有某个值的所有整行。我发现的最佳解决方案是进行排序，然后使用重复的否定来仅选择每个唯一键的第一行。对于这里的简单示例：

a <- sample(1:10,100,replace=T)
b <- sample(1:100,100,replace=T)
f <- data.frame(a, b)

sorted <- f[order(f$a, -f$b),]
highs <- sorted[!duplicated(sorted$a),]

我认为至少与 ave 或 ddply 相比，性能提升是相当可观的。对于多列键来说稍微复杂一些，但是 order 将处理一大堆要排序的事情，并且 duplicated 适用于数据框，因此可以继续使用这种方法。

Answer 2

library(plyr)
ddply(a.3, "a.2", subset, b.2 == max(b.2))

Answer 3

a.2<-sample(1:10,100,replace=T)
b.2<-sample(1:100,100,replace=T)
a.3<-data.frame(a.2,b.2)

乔纳森·张（Jonathan Chang）的答案让您得到了您明确要求的内容，但我猜测您想要数据框中的实际行。

sel <- ave(b.2, a.2, FUN = max) == b.2
a.3[sel,]

Answer 4

a.2<-sample(1:10,100,replace=T)
b.2<-sample(1:100,100,replace=T)
a.3<-data.frame(a.2,b.2)
m<-split(a.3,a.2)
u<-function(x){
    a<-rownames(x)
    b<-which.max(x[,2])
    as.numeric(a[b])
    }
r<-sapply(m,FUN=function(x) u(x))

a.3[r,]

这确实有效，尽管有点麻烦......但它允许我抓取分组最大值的行。还有其他想法吗？

Answer 5

> a.2<-sample(1:10,100,replace=T)
> b.2<-sample(1:100,100,replace=T)
> tapply(b.2, a.2, max)
 1  2  3  4  5  6  7  8  9 10 
99 92 96 97 98 99 94 98 98 96 

Answer 6

a.2<-sample(1:10,100,replace=T)
b.2<-sample(1:100,100,replace=T)
a.3<-data.frame(a.2,b.2)

使用aggregate，您可以在一行中获取每个组的最大值：

aggregate(a.3, by = list(a.3$a.2), FUN = max)

这会产生以下输出：

   Group.1 a.2 b.2
1        1   1  96
2        2   2  82
...
8        8   8  85
9        9   9  93
10      10  10  97