使用每个组的前 n 行对数据框进行子集化，并按变量排序

Question

我想对 n 行数据帧进行子集化，这些行按一个变量分组，并按另一个变量降序排序。通过一个例子就可以清楚地看出这一点：

    d1 <- data.frame(Gender = c("M", "M", "F", "F", "M", "M", "F", 
  "F"), Age = c(15, 38, 17, 35, 26, 24, 20, 26))

我想为每个性别获取 2 行，这些行按年龄降序排序。期望的输出是：

Gender  Age  
F   35  
F   26  
M   38  
M   26  

我在这里寻找顺序、排序和其他解决方案，但找不到该问题的适当解决方案。我很感激你的帮助。

Answer 1

一种使用 plyr 中的 ddply() 的解决方案

require(plyr)
ddply(d1, "Gender", function(x) head(x[order(x$Age, decreasing = TRUE) , ], 2))

Answer 2

带有 data.table 包

require(data.table)
dt1<-data.table(d1)# to speedup you can add setkey(dt1,Gender)
dt1[,.SD[order(Age,decreasing=TRUE)[1:2]],by=Gender]

Answer 3

我确信有更好的答案，但这是一种方法：

require(plyr)
ddply(d1, c("Gender", "-Age"))[c(1:2, 5:6),-1]

如果您的数据框比此处提供的数据框大，并且不想直观地检查要选择哪些行，则只需使用以下方法：

new.d1=ddply(d1, c("Gender", "-Age"))[,-1]
pos=match('M',new.d1$Gender) # pos wil show index of first entry of M
new.d1[c(1:2,pos:(pos+1)),]

Answer 4

如果您只想进行排序，则比这更容易：

d1 <- transform(d1[order(d1$Age, decreasing=TRUE), ], Gender=as.factor(Gender))

然后您可以调用：

require(plyr)
d1 <- ddply(d1, .(Gender), head, n=2)

对每个性别子组的前两个进行子集化。

Answer 5

例如，如果您需要前 2 个女性和前 3 个男性，我有一个建议：

library(plyr)
m<-d1[order(d1$Age, decreasing = TRUE) , ] 
h<-mapply(function(x,y) head(x,y), split(m$Age,m$Gender),y=c(2,3)) 
ldply (h, data.frame)

您只需更改最终数据框的名称即可。

Answer 6

d1 = d1[order(d1$Gender, -d1$Age),]  
d1 = d1[ave(d1$Age, d1$Gender, FUN = seq_along) <= 2, ]

遇到了类似的问题，发现在具有 150 万条记录的 data.frame 上使用此方法非常快