Selecione linhas com maior valor de variável dentro de um grupo em r

Question

a.2<-sample(1:10,100,replace=T)
b.2<-sample(1:100,100,replace=T)
a.3<-data.frame(a.2,b.2)

r<-sapply(split(a.3,a.2),function(x) which.max(x$b.2))

a.3[r,]

Retorna o índice da lista, não o índice para todos os dados.

Estou tentando devolver o maior valor de b.2 Para cada subgrupo de a.2. Como posso fazer isso com eficiência?

Answer 1

a.2<-sample(1:10,100,replace=T)
b.2<-sample(1:100,100,replace=T)
a.3<-data.frame(a.2,b.2)

A resposta de Jonathan Chang recebe o que você pediu explicitamente, mas acho que deseja a linha real do quadro de dados.

sel <- ave(b.2, a.2, FUN = max) == b.2
a.3[sel,]

Answer 2

o ddply e ave As abordagens são bastante intensivas em recursos, eu acho. ave Falha ficando sem memória para o meu problema atual (67.608 linhas, com quatro colunas definindo as teclas exclusivas). tapply é uma opção útil, mas o que eu geralmente preciso fazer é selecionar todas as linhas com o valor de algo algo para cada chave exclusiva (geralmente definida por mais de uma coluna). A melhor solução que encontrei é fazer uma espécie e depois usar a negação de duplicated Para selecionar apenas a primeira linha para cada chave exclusiva. Para o exemplo simples aqui:

a <- sample(1:10,100,replace=T)
b <- sample(1:100,100,replace=T)
f <- data.frame(a, b)

sorted <- f[order(f$a, -f$b),]
highs <- sorted[!duplicated(sorted$a),]

Eu acho que o desempenho ganha ave ou ddply, pelo menos, são substanciais. É um pouco mais complicado para chaves de várias colunas, mas order vai lidar com um monte de coisas para classificar e duplicated Funciona em quadros de dados, por isso é possível continuar usando essa abordagem.

Answer 3

library(plyr)
ddply(a.3, "a.2", subset, b.2 == max(b.2))

Answer 4

a.2<-sample(1:10,100,replace=T)
b.2<-sample(1:100,100,replace=T)
a.3<-data.frame(a.2,b.2)
m<-split(a.3,a.2)
u<-function(x){
    a<-rownames(x)
    b<-which.max(x[,2])
    as.numeric(a[b])
    }
r<-sapply(m,FUN=function(x) u(x))

a.3[r,]

Isso faz o truque, embora um pouco complicado ... mas me permite pegar as linhas para os maiores valores em grupo. Alguma outra idéia?

Answer 5

> a.2<-sample(1:10,100,replace=T)
> b.2<-sample(1:100,100,replace=T)
> tapply(b.2, a.2, max)
 1  2  3  4  5  6  7  8  9 10 
99 92 96 97 98 99 94 98 98 96 

Answer 6

a.2<-sample(1:10,100,replace=T)
b.2<-sample(1:100,100,replace=T)
a.3<-data.frame(a.2,b.2)

Com aggregate, você pode obter o máximo para cada grupo em uma linha:

aggregate(a.3, by = list(a.3$a.2), FUN = max)

Isso produz a seguinte saída:

   Group.1 a.2 b.2
1        1   1  96
2        2   2  82
...
8        8   8  85
9        9   9  93
10      10  10  97