在特定组内排列值

Question

我正在尝试在嵌套数据框中的确切组内按降序排列值。我的输入数据如下所示。我有两个分组变量（group1和group2）和三个值（即id，value2，value3）。

library(tidyverse)
set.seed(1234)    

df <- tibble(group1 = c(rep(LETTERS[1:3], 4)),
             group2 = c(rep(0, 6), rep(2, 6)),
             value2 = rnorm(12, 20, sd = 10),
             value3 = rnorm(12, 20, sd = 50)) %>%  
  group_by(group1) %>% 
  mutate(id = c(1:4)) %>% 
  ungroup()

我决定按group1和group2然后按nest()将它们分组：

df_nested <- df %>% 
  group_by(group1, group2) %>% 
  nest()

# A tibble: 6 x 3
# Groups:   group1, group2 [6]
  group1 group2 data            
  <chr>   <dbl> <list>          
1 A           0 <tibble [2 x 3]>
2 B           0 <tibble [2 x 3]>
3 C           0 <tibble [2 x 3]>
4 A           2 <tibble [2 x 3]>
5 B           2 <tibble [2 x 3]>
6 C           2 <tibble [2 x 3]>

完美。现在，我只需要按data对group2等于2的那些id进行排序。但是，我收到以下错误：

df_nested %>% 
  mutate(data = map2_df(.x = data, .y = group2,
                     ~ifelse(.y == 2, arrange(-.x$id),
                             .x))) 

错误：参数1必须具有名称

Answer 1

您可以做：

library(dplyr)
library(purrr)

df_nested$data <- map2(df_nested$data, df_nested$group2,~if(.y == 2) 
                       arrange(.x, -.x$id) else .x)

因此，group2不等于2的数据未排序

df_nested$data[[1]]
# A tibble: 2 x 3
#  value2 value3    id
#   <dbl>  <dbl> <int>
#1  13.1  -89.0      1
#2   9.76  -3.29     2

并且group2为2的地方进行排序。

df_nested$data[[4]]
# A tibble: 2 x 3
#value2 value3    id
# <dbl>  <dbl> <int>
#1   15.0  -28.4   4
#2   31.0  -22.8   3

如果要合并它们，请执行：

map2_df(df_nested$data, df_nested$group2,~if(.y == 2) arrange(.x, -.x$id) else .x)

Answer 2

我建议创建一个额外的变量id_，当id和group2 == 2相同时，该变量将等于原始NA变量。这样，如果我们在排序时使用它，则当group2 != 2时它将不起作用。

df %>% 
  mutate(id_ = if_else(group2 == 2, id, NA_integer_)) %>% 
  arrange(group1, group2, -id_)
#> # A tibble: 12 x 6
#>    group1 group2 value2 value3    id   id_
#>    <chr>   <dbl>  <dbl>  <dbl> <int> <int>
#>  1 A           0   17.6  50.2      1    NA
#>  2 A           0   33.8 -14.4      2    NA
#>  3 A           2   23.1  22.6      4     4
#>  4 A           2   13.7  50.2      3     3
#>  5 B           0   15.4  49.9      1    NA
#>  6 B           0   16.2  63.7      2    NA
#>  7 B           2   41.7  -2.90     4     4
#>  8 B           2   16.6  46.7      3     3
#>  9 C           0   19.9 -64.3      1    NA
#> 10 C           0   19.9  59.7      2    NA
#> 11 C           2   34.1  48.5      4     4
#> 12 C           2   32.3  23.1      3     3
然后，如果需要，我们可以将结果分组并嵌套。