在给定列上聚合数据框并显示另一列

Question

我在 R 中有一个以下形式的数据框：

> head(data)
  Group Score Info
1     1     1    a
2     1     2    b
3     1     3    c
4     2     4    d
5     2     3    e
6     2     1    f

我想使用 max 函数在 Score 列之后聚合它

> aggregate(data$Score, list(data$Group), max)

  Group.1         x
1       1         3
2       2         4

但我也想显示 与每个组的 Score 列的最大值关联的信息 列。我不知道该怎么做。我想要的输出是：

  Group.1         x        y
1       1         3        c
2       2         4        d

有什么提示吗？

Answer 1

基本的 R 解决方案是将 aggregate() 的输出与 merge() 步骤结合起来。我发现aggregate()的公式接口比标准接口更有用，部分原因是输出上的名称更好，所以我将使用它：

aggregate()< /code> 步骤是，

maxs <- aggregate(Score ~ Group, data = dat, FUN = max)

而 merge() 步骤很简单

merge(maxs, dat)

这给了我们所需的输出：

R> maxs <- aggregate(Score ~ Group, data = dat, FUN = max)
R> merge(maxs, dat)
  Group Score Info
1     1     3    c
2     2     4    d

当然，您可以将其粘贴到一行中（中间步骤更多地用于说明）：

merge(aggregate(Score ~ Group, data = dat, FUN = max), dat)

我使用公式界面的主要原因是它返回一个数据框，其中包含合并步骤的正确名称；这些是原始数据集 dat 中的列名称。我们需要让aggregate()的输出具有正确的名称，以便merge()知道原始数据帧和聚合数据帧中的哪些列匹配。

标准接口提供了奇怪的名称，无论您如何称呼它：

R> aggregate(dat$Score, list(dat$Group), max)
  Group.1 x
1       1 3
2       2 4
R> with(dat, aggregate(Score, list(Group), max))
  Group.1 x
1       1 3
2       2 4

我们可以在这些输出上使用 merge() ，但我们需要做更多的工作来告诉 R 哪些列匹配。

Answer 2

首先，使用 split 分割数据：

split(z,z$Group)

然后，对于每个块，选择得分最高的行：

lapply(split(z,z$Group),function(chunk) chunk[which.max(chunk$Score),])

最后减少回 data.frame do.calling rbind：

do.call(rbind,lapply(split(z,z$Group),function(chunk) chunk[which.max(chunk$Score),]))

结果：

  Group Score Info
1     1     3    c
2     2     4    d

一行，无需魔法，速度快，结果有好名字 =)

Answer 3

这是使用 plyr 包的解决方案。

以下代码行本质上告诉 ddply 首先按组对数据进行分组，然后在每个组中返回一个子集，其中分数等于该组中的最高分数。

library(plyr)
ddply(data, .(Group), function(x)x[x$Score==max(x$Score), ])

  Group Score Info
1     1     3    c
2     2     4    d

并且，正如 @SachaEpskamp 指出的那样，这可以进一步简化为：（

ddply(df, .(Group), function(x)x[which.max(x$Score), ])

这还有一个优点，即 which.max 将返回多个最大行（如果有的话）。

Answer 4

添加到加文的答案：在合并之前，可以在不使用公式界面时让聚合使用正确的名称：

aggregate(data[,"score", drop=F], list(group=data$group), mean) 

Answer 5

plyr 包可用于此目的。使用 ddply() 函数，您可以将数据框拆分为一列或多列，并应用函数并返回数据框，然后使用 summarize() 函数，您可以使用分割后的数据框的列作为变量来制作新的数据框/；

dat <- read.table(textConnection('Group Score Info
1     1     1    a
2     1     2    b
3     1     3    c
4     2     4    d
5     2     3    e
6     2     1    f'))

library("plyr")

ddply(dat,.(Group),summarize,
    Max = max(Score),
    Info = Info[which.max(Score)])
  Group Max Info
1     1   3    c
2     2   4    d

Answer 6

一个迟到的答案，但是使用 data.table 的方法

library(data.table)
DT <- data.table(dat)

DT[, .SD[which.max(Score),], by = Group]

或者，如果可能有多个相同的最高分数

DT[, .SD[which(Score == max(Score)),], by = Group]

注意到（来自 ?data.table

.SD 是一个 data.table，其中包含每个组的 x 数据子集，不包括组列

Answer 7

这就是我对这个问题的基本看法。

my.df <- data.frame(group = rep(c(1,2), each = 3), 
        score = runif(6), info = letters[1:6])
my.agg <- with(my.df, aggregate(score, list(group), max))
my.df.split <- with(my.df, split(x = my.df, f = group))
my.agg$info <- unlist(lapply(my.df.split, FUN = function(x) {
            x[which(x$score == max(x$score)), "info"]
        }))

> my.agg
  Group.1         x info
1       1 0.9344336    a
2       2 0.7699763    e

Answer 8

我没有足够高的声誉来评论 Gavin Simpson 的答案，但我想警告一下，标准语法和聚合的公式语法之间对缺失值的默认处理似乎存在差异。代码>.

#Create some data with missing values 
a<-data.frame(day=rep(1,5),hour=c(1,2,3,3,4),val=c(1,NA,3,NA,5))
  day hour val
1   1    1   1
2   1    2  NA
3   1    3   3
4   1    3  NA
5   1    4   5

#Standard syntax
aggregate(a$val,by=list(day=a$day,hour=a$hour),mean,na.rm=T)
  day hour   x
1   1    1   1
2   1    2 NaN
3   1    3   3
4   1    4   5

#Formula syntax.  Note the index for hour 2 has been silently dropped.
aggregate(val ~ hour + day,data=a,mean,na.rm=T)
  hour day val
1    1   1   1
2    3   1   3
3    4   1   5