Selecione um valor com base em um valor mais alto em outra coluna

Question

Eu não entendo por que eu não consigo encontrar uma solução para isso, pois sinto que é uma bela questão básica.Precisa pedir ajuda, então.Eu quero reorganizar airquality conjunto de dados por mês, com o máximo de temp valor para cada mês.Além disso, eu quero encontrar o dia correspondente para cada mensais de temperatura máxima.O que é o mais preguiçoso (código-wise) maneira de fazer isso?

Eu tentei seguir sem sucesso:

require(reshape2)
names(airquality) <- tolower(names(airquality))
mm <- melt(airquality, id.vars = c("month", "day"), meas = c("temp"))

dcast(mm, month + day ~ variable, max)
aggregate(formula = temp ~ month + day, data = airquality, FUN = max)

Eu sou algo como isto:

month day temp
5     7    89
...

Answer 1

Há uma discussão sobre um tempo atrás sobre se ser preguiçoso é bom ou não.Anwyay, este é curto e natural para escrever e ler (e é rápido de dados de grandes dimensões, assim você não precisa mudar ou otimizá-lo mais tarde) :

require(data.table)
DT=as.data.table(airquality)

DT[,.SD[which.max(Temp)],by=Month]

     Month Ozone Solar.R Wind Temp Day
[1,]     5    45     252 14.9   81  29
[2,]     6    NA     259 10.9   93  11
[3,]     7    97     267  6.3   92   8
[4,]     8    76     203  9.7   97  28
[5,]     9    73     183  2.8   93   3

.SD é o subconjunto dos dados de cada grupo, e você apenas deseja que a linha dele com o maior Temp, iiuc.Se você precisar de número de linha, em seguida, que pode ser adicionado.

Ou para obter todas as linhas onde o max está vinculado :

DT[,.SD[Temp==max(Temp)],by=Month]

     Month Ozone Solar.R Wind Temp Day
[1,]     5    45     252 14.9   81  29
[2,]     6    NA     259 10.9   93  11
[3,]     7    97     267  6.3   92   8
[4,]     7    97     272  5.7   92   9
[5,]     8    76     203  9.7   97  28
[6,]     9    73     183  2.8   93   3
[7,]     9    91     189  4.6   93   4

Answer 2

Outra abordagem com plyr

require(reshape2)
names(airquality) <- tolower(names(airquality))
mm <- melt(airquality, id.vars = c("month", "day"), meas = c("temp"), value.name = 'temp')

library(plyr)

ddply(mm, .(month), subset, subset = temp == max(temp), select = -variable)

Dá

  month day temp
1     5  29   81
2     6  11   93
3     7   8   92
4     7   9   92
5     8  28   97
6     9   3   93
7     9   4   93

Ou, ainda mais simples

require(reshape2)
require(plyr)
names(airquality) <- tolower(names(airquality))
ddply(airquality, .(month), subset, 
  subset = temp == max(temp), select = c(month, day, temp) )

Answer 3

como cerca de plyr?

max.func <- function(df) {
   max.temp <- max(df$temp)

   return(data.frame(day = df$Day[df$Temp==max.temp],
                     temp = max.temp))
}

ddply(airquality, .(Month), max.func)

Como você pode ver, a temperatura máxima do mês acontece em mais de um dia.Se você deseja um comportamento diferente, a função é fácil de ajustar.

Answer 4

Ou se você quiser usar o data.table pacote (por exemplo, se a velocidade é um problema e o conjunto de dados é grande ou se você preferir a sintaxe):

library(data.table)
DT <- data.table(airquality)
DT[, list(maxTemp=max(Temp), dayMaxTemp=.SD[max(Temp)==Temp, Day]), by="Month"]

Se você quer saber o que o .SD significa, dê uma olhada aqui: ENTÃO,