Добавить переменную в кадр данных, содержащий максимальное значение каждой строки

Я хочу добавить переменную (столбец) в dataframe (df), содержащую в каждой строке максимальное значение этой строки через 2-й по 26-й столбец.

Для первой строки код будет выглядеть следующим образом:

df$max[1] <- max(df[1,2:26])

Я ищу способ обобщить это для строк с 1 по 865. Если я даю:

df$max[1:865] <- max(df[1:865, 2:26])

Я получаю общий максимум для всех строк для переменной df$max.

Ответы

Ответ 1

Вы можете использовать apply. Например:

df[, "max"] <- apply(df[, 2:26], 1, max)

Вот базовый пример:

> df <- data.frame(a=1:50, b=rnorm(50), c=rpois(50, 10))
> df$max <- apply(df, 1, max)
> head(df, 2)
  a          b  c max
1 1  1.3527115  9   9
2 2 -0.6469987 20  20
> tail(df, 2)
    a          b  c max
49 49 -1.4796887 10  49
50 50  0.1600679 13  50

Ответ 2

Векторизованная версия с pmax:

df$max <- do.call(pmax, df[2:26])

Ответ 3

Еще один невероятно быстрый метод - объединить извлечение матрицы [ с max.col, который возвращает вектор, индексирующий положение столбца максимального значения в каждой строке.

df$max <- df[2:26][cbind(seq_len(nrow(df)), max.col(df[2:26]))]

cbind создает матрицу, индексирующую положение максимального значения для каждой строки, а [ использует это для извлечения этого значения.

Давайте провести бенчмаркинг.

# data.frame with 1000 observations and 26 variables
set.seed(1234)
df <- data.frame(id=paste0(letters[-1], 1:40), matrix(rnorm(25000L, 5L, 10L), 1000L))

Также добавьте функцию rowMaxs из пакета matrixStats в микс.

library(matrixStats)
library(microbenchmark)

microbenchmark(apply=apply(df[, 2:26], 1, max),
               pmax=do.call(pmax, df[2:26]),
               max.colSub=df[2:26][cbind(seq_len(nrow(df)), max.col(df[2:26]))],
               rowMaxs=rowMaxs(as.matrix(df[2:26])))
Unit: microseconds
        expr      min        lq      mean    median        uq      max neval cld
       apply 1610.540 1786.5905 2193.5334 1863.5680 1990.4380 6915.999   100   c
        pmax  354.382  364.6455  380.1720  373.3405  385.4580  567.923   100 a  
  max.colSub  604.416  651.7430  822.6015  664.7155  681.2510 3086.512   100  b 
     rowMaxs  243.762  264.0040  320.2350  277.9750  290.5190 2328.712   100 a

Итак, rowMaxs - это явный победитель, за которым следует pmax, а затем max.col, с извлечением матрицы и apply в конце пакета.

С рамкой data.frame с 10000 строками и 26 столбцами мы получаем аналогичную историю:

set.seed(1234)
df <- data.frame(id=paste0(letters[-1], 1:400), matrix(rnorm(250000L, 5L, 10L), 10000L))

Приведенный выше код возвращает

Unit: milliseconds
       expr       min        lq      mean    median        uq      max neval cld
      apply 15.193361 18.299830 21.737516 20.337880 21.774793 99.44836   100   c
       pmax  3.060853  3.101481  3.156630  3.137545  3.191430  3.54182   100 a  
 max.colSub  3.338828  3.642603  7.051700  3.992708  6.336531 84.43119   100  b 
    rowMaxs  1.244184  1.322302  2.675281  1.508474  1.638053 79.28054   100 a