web-dev-qa-db-ja.com

dplyrフィルター：最小の変数で行を取得しますが、複数の最小値がある場合は最初の行のみを取得します

各グループ内で変数dplyrの最小値を持つ行のみが返されるように、xを使用してグループ化されたフィルターを作成します。

私の問題は、予想通り、最小値を持つ複数の最小値allの行が返されることです。しかし、私の場合、複数の最小値が存在する場合、最初の行のみが必要ですです。

以下に例を示します。

df <- data.frame(
A=c("A", "A", "A", "B", "B", "B", "C", "C", "C"),
x=c(1, 1, 2, 2, 3, 4, 5, 5, 5),
y=rnorm(9)
)

library(dplyr)
df.g <- group_by(df, A)
filter(df.g, x == min(x))

予想どおり、すべての最小値が返されます。

Source: local data frame [6 x 3]
Groups: A

  A x           y
1 A 1 -1.04584335
2 A 1  0.97949399
3 B 2  0.79600971
4 C 5 -0.08655151
5 C 5  0.16649962
6 C 5 -0.05948012

Ddplyを使用すると、この方法でタスクにアプローチできます。

library(plyr)
ddply(df, .(A), function(z) {
    z[z$x == min(z$x), ][1, ]
})

...動作します：

  A x           y
1 A 1 -1.04584335
2 B 2  0.79600971
3 C 5 -0.08655151

Q：dplyrでこれにアプローチする方法はありますか？（速度の理由から）

rdplyr
61
Felix S

完全を期すために：@hadleyと@Arunのコメントから導き出された最終的なdplyrソリューションを以下に示します。

library(dplyr)
df.g <- group_by(df, A)
filter(df.g, rank(x, ties.method="first")==1)
34
Felix S

更新

Dplyr> = 0.3では、which.minと組み合わせてslice関数を使用できます。これは、このタスクの私のお気に入りのアプローチです。

df %>% group_by(A) %>% slice(which.min(x))
#Source: local data frame [3 x 3]
#Groups: A
#
#  A x          y
#1 A 1  0.2979772
#2 B 2 -1.1265265
#3 C 5 -1.1952004

元の答え

サンプルデータの場合、2つのfilterを連続して使用することもできます。

group_by(df, A) %>% 
  filter(x == min(x)) %>% 
  filter(1:n() == 1)
86
docendo discimus

価値があるものについては、data.table解決策、興味があるかもしれない人へ：

# approach with setting keys
dt <- as.data.table(df)
setkey(dt, A,x)
dt[J(unique(A)), mult="first"]

# without using keys
dt <- as.data.table(df)
dt[dt[, .I[which.min(x)], by=A]$V1]
14
Arun

これは、row_numberとgroup_byを組み合わせて使用​​することで実現できます。 row_numberは、値だけでなく、ベクトル内の相対的な順序でもランクを割り当てることにより、同順位を処理します。 xの最小値を持つ各グループの最初の行を取得するには：

df.g <- group_by(df, A)
filter(df.g, row_number(x) == 1)

詳細については、dplyr ウィンドウ関数のビネット を参照してください。

4
junkka

私はそのシンプルさからsqldfが好きです。

sqldf("select A,min(X),y from 'df.g' group by A")

出力：

A min(X)          y

1 A      1 -1.4836989

2 B      2  0.3755771

3 C      5  0.9284441
0
nsr

ここに来て、複数の方法でこれを行う方法を探しました。これにより、最後の10の結びつきを壊し、私は信じています

df.g %>%
top_n(-10,row_number(x))
0
Kevin Mc

別の方法：

set.seed(1)
x <- data.frame(a = rep(1:2, each = 10), b = rnorm(20))
x <- dplyr::arrange(x, a, b)
dplyr::filter(x, !duplicated(a))

結果：

  a          b
1 1 -0.8356286
2 2 -2.2146999

また、各グループの行を最大値で取得するように簡単に適合させることもできます。

0
qed