web-dev-qa-db-ja.com

dplyrを使用して各グループの最大値を持つ行を選択する方法は？

Dplyrで各グループの最大値を持つ行を選択したいと思います。

まず、質問を表示するためにランダムデータを生成します

set.seed(1)
df <- expand.grid(list(A = 1:5, B = 1:5, C = 1:5))
df$value <- runif(nrow(df))

Plyrでは、カスタム関数を使用してこの行を選択できました。

library(plyr)
ddply(df, .(A, B), function(x) x[which.max(x$value),])

Dplyrでは、このコードを使用して最大値を取得していますが、最大値の行（この場合は列C）は取得していません。

library(dplyr)
df %>% group_by(A, B) %>%
    summarise(max = max(value))

どうすればこれを達成できますか？提案をありがとう。

sessionInfo()
R version 3.1.0 (2014-04-10)
Platform: x86_64-w64-mingw32/x64 (64-bit)

locale:
[1] LC_COLLATE=English_Australia.1252  LC_CTYPE=English_Australia.1252   
[3] LC_MONETARY=English_Australia.1252 LC_NUMERIC=C                      
[5] LC_TIME=English_Australia.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] dplyr_0.2  plyr_1.8.1

loaded via a namespace (and not attached):
[1] assertthat_0.1.0.99 parallel_3.1.0      Rcpp_0.11.1        
[4] tools_3.1.0
rdplyrplyrgreatest-n-per-group
92
Bangyou

これを試して：

result <- df %>% 
             group_by(A, B) %>%
             filter(value == max(value)) %>%
             arrange(A,B,C)

動作するようです：

identical(
  as.data.frame(result),
  ddply(df, .(A, B), function(x) x[which.max(x$value),])
)
#[1] TRUE

コメントで@docendoが指摘したように、グループごとに厳密に1行だけが必要な場合は、以下の@RoyalITSの回答に従ってsliceがここで優先される場合があります。最大値が同じ複数の行がある場合、この回答は複数の行を返します。

105
thelatemail

top_nを使用できます

df %>% group_by(A, B) %>% top_n(n=1)

これは、最後の列（value）でランク付けされ、先頭のn=1行を返します。

現在、エラーを発生させずにこのデフォルトを変更することはできません（ https://github.com/hadley/dplyr/issues/426 を参照）

62
mnel
df %>% group_by(A,B) %>% slice(which.max(value))
48
RoyalTS

このより冗長なソリューションは、最大値が重複している場合の動作をより詳細に制御します（この例では、対応する行の1つをランダムに取得します）

library(dplyr)
df %>% group_by(A, B) %>%
  mutate(the_rank  = rank(-value, ties.method = "random")) %>%
  filter(the_rank == 1) %>% select(-the_rank)
9
nassimhddd

私にとっては、グループごとの値の数を数えるのに役立ちました。カウントテーブルを新しいオブジェクトにコピーします。次に、最初のグループ化特性に基づいてグループの最大値をフィルタリングします。例えば：

count_table  <- df %>%
                group_by(A, B) %>%
                count() %>%
                arrange(A, desc(n))

count_table %>% 
    group_by(A) %>%
    filter(n == max(n))

または

count_table %>% 
    group_by(A) %>%
    top_n(1, n)
0
ksvrd

より一般的には、特定のグループ内でsortedである行の「トップ」を取得したいと思うかもしれません。

単一の値が最大化されている場合、基本的に1列のみでソートされています。ただし、複数の列（たとえば、日付列と時刻列）で階層的に並べ替えることは、しばしば役立ちます。

# Answering the question of getting row with max "value".
df %>% 
  # Within each grouping of A and B values.
  group_by( A, B) %>% 
  # Sort rows in descending order by "value" column.
  arrange( desc(value) ) %>% 
  # Pick the top 1 value
  slice(1) %>% 
  # Remember to ungroup in case you want to do further work without grouping.
  ungroup()

# Answering an extension of the question of 
# getting row with the max value of the lowest "C".
df %>% 
  # Within each grouping of A and B values.
  group_by( A, B) %>% 
  # Sort rows in ascending order by C, and then within that by 
  # descending order by "value" column.
  arrange( C, desc(value) ) %>% 
  # Pick the one top row based on the sort
  slice(1) %>% 
  # Remember to ungroup in case you want to do further work without grouping.
  ungroup()
0
Kalin