Как выбрать строки с максимальными значениями в каждой группе с помощью dplyr?

Я хотел бы выбрать строку с максимальным значением в каждой группе с dplyr.

Во-первых, я генерирую некоторые случайные данные, чтобы показать свой вопрос

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

В plyr я могу использовать пользовательскую функцию для выбора этой строки.

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

В dplyr я использую этот код для получения максимального значения, но не для строк с максимальным значением (в этом случае используется столбец C).

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

Как я мог это достичь? Спасибо за любое предложение.

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

Ответы

Ответ 1

Попробуйте следующее:

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

Кажется, работает:

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

Как указано @docendo в комментариях, slice может быть здесь предпочтительнее в соответствии с ответом @RoyalITS ниже, если вы строго хотите только 1 строку на группу. Этот ответ вернет несколько строк, если их несколько с одинаковым максимальным значением.

Ответ 2

Вы можете использовать top_n

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

Это будет ранжироваться по последнему столбцу (value) и вернуть верхние строки n=1.

В настоящее время вы не можете изменить это значение по умолчанию, не вызывая ошибки (см. https://github.com/hadley/dplyr/issues/426)

Ответ 3

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

Ответ 4

Это более подробное решение обеспечивает больший контроль над тем, что происходит в случае двойного максимального значения (в этом примере он будет принимать одну из соответствующих строк случайным образом)

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

Ответ 5

В целом, я думаю, что вы можете получить "верх" строк, которые отсортированы в данной группе.

Для случая, когда одно значение имеет максимальное значение, вы отсортировали только по одному столбцу. Однако часто полезно иерархически сортировать по нескольким столбцам (например: столбец даты и столбец времени).

# 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()

Ответ 6

Для меня это помогло подсчитать количество значений на группу. Скопируйте таблицу подсчета в новый объект. Затем отфильтруйте максимум группы на основе первой характеристики группировки. Например:

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

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

или же

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