假设有一个有序的df,其中有一个ID列,其他列包含数字数据,按最后一列排序。
ID <- c(123, 142, 21, 562, 36, 721, 847, 321)
A <- c(96, 83, 73, 47, 88, 65, 72, 67)
B <- c(72, 69, 88, 75, 63, 89, 48, 80)
C <- c(95, 94, 94, 94, 65, 81, 75, 75)
D <- c(63, 88, 89, 88, 89, 79, 88, 79)
Rating <- c(97, 95, 92, 87, 85, 83, 79, 77)
df <- data.frame(ID, A, B, C, D, Rating)
df
# ID A B C D Rating
#1 123 96 72 95 63 97
#2 142 83 69 94 88 95
#3 21 73 88 94 89 92
#4 562 47 75 94 88 87
#5 36 88 63 65 89 85
#6 721 65 89 81 79 83
#7 847 72 48 75 88 79
#8 321 67 80 75 79 77
我们的目的是得到每个groupcolumn的最大值,与其ID,每对需要来自不同的行(唯一ID)。对于一个列的两个ID有相同的值,要选取Rating比较好的那个。
我所做的是使用apply()函数从每一列中获取最大值,提取具有该值的ID,然后将它们全部加入到一个数据框中。因为第4列还缺少一个ID,所以我用反连接把前面的ID取出来,重复这个过程得到这个数据框架。
my_max <- data.frame(apply(df, 2, max))
A2 <- df[which(df$A == my_max[2,1]),]%>% dplyr::select(ID, A)
B2 <- df[which(df$B == my_max[3,1]),]%>% dplyr::select(ID, B)
C2 <- df[which(df$C == my_max[4,1]),]%>% dplyr::select(ID, C)
D2 <- df[which(df$D == my_max[5,1]),]%>% dplyr::select(ID, D)
all <- full_join(A2, B2, by='ID') %>% full_join(C2, by='ID') %>% full_join(D2, by='ID')
all <- all[-c(4),]
df <- anti_join(df, all, by='ID')
my_max <- data.frame(apply(df, 2, max))
C2 <- df[which(df$C == my_max[4,1]),]%>% dplyr::select(ID, C)
all <- all %>% full_join(C2, by='ID')
all <- all[-c(5),-c(4)]
最终得到这个数据框:
all
# ID A B D C.y
#1 123 96 NA NA NA
#2 721 NA 89 NA NA
#3 21 NA NA 89 NA
#4 142 NA NA NA 94
有没有一种更干净或者更简洁的方法?不一定是一样的方法,也许只是ID和角色一样。
# ID Group
#1 123 A
#2 721 B
#3 142 C
#4 21 D
我看到有些解决方案不能处理重复的ID。例如,我们A组和C组的ID都是123。
为了得到与你的问题中的最终结果类似的输出,另一种处理重复ID的解决方案如下
# initialization
variables <- c("A", "B", "C", "D")
df_max <- data.frame(ID = numeric(length(variables)), Group = variables)
for(column in variables){
temp_id <- df %>%
filter(!(ID %in% df_max$ID)) %>%
arrange(desc(!!rlang::sym(column)), desc(Rating)) %>%
slice(1) %>%
select(ID) %>%
as.numeric(ID)
df_max[df_max$Group == column, "ID"] <- temp_id
}
基本上 filter
步骤确保我们不考虑已经选择的ID。
輸出
# > df_max
#
# ID Group
# 1 123 A
# 2 721 B
# 3 142 C
# 4 21 D
这里有一个 dplyr
的解决方案,将处理重复的ID。首先,我们 pivot_longer
以使所有的字母变成一列。然后我们 group_by
这些字母。最后,在每个字母内,我们按值排序(以及值的并列评级),并选择第一个元素得到每个ID。
library(dplyr)
df %>%
pivot_longer(cols = c("A", "B", "C", "D")) %>%
group_by(Group = name) %>%
summarise(ID = ID[order(-value, -Rating)[1]])
#> # A tibble: 4 x 2
#> Group ID
#> <chr> <dbl>
#> 1 A 123
#> 2 B 721
#> 3 C 123
#> 4 D 21
另一个 dplyr
purrr
解决方案,不如Allan的简洁。
find_max <- function(gg){
tibble(
group=gg,
ID= df %>% select(all_of(c(gg,"Rating","ID"))) %>%
arrange_all(desc) %>% slice(1) %>% pull(ID))
}
c("A","B","C","D") %>% map_dfr(find_max)
我们的想法是用 dplyr::arrange
按组和 Rating
降),然后保持第一行(最大)的 ID
. 迭代是用 purrr::map_dfr
直接产生一个tibble。
的输出是。
# A tibble: 4 x 2
group ID
<chr> <dbl>
1 A 123
2 B 721
3 C 123
4 D 21
根据 本回答 并使用 dplyr
:
df %>%
group_by(ID) %>%
mutate(max.val = pmax(A, B, C, D)[which.max(Rating)]) %>%
summarise_each(list(max)) %>%
mutate(top.col=apply(.[,2:5], 1, function(x) names(x)[which.max(x)])) %>%
select(-c(A, B, C, D, Rating))
你得到
# A tibble: 8 x 3
ID max.val top.col
<dbl> <dbl> <chr>
1 21 94 C
2 36 89 D
3 123 96 A
4 142 94 C
5 321 80 B
6 562 94 C
7 721 89 B
8 847 88 D