应用 group_by 并汇总数据，同时保留所有列的信息

Question

我有一个包含 22000 行和 25 列的大型数据集。 我正在尝试根据其中一列对我的数据集进行分组，并根据分组的数据集获取另一列的最小值。 但是，问题是它只给了我两列，其中包含分组列和具有最小值的列......但我需要与具有最小值的行相关的其他列的所有信息。 这是一个简单的示例，只是为了使其可重现：

    data<- data.frame(a=1:10, b=c("a","a","a","b","b","c","c","d","d","d"), c=c(1.2, 2.2, 2.4, 1.7, 2.7, 3.1, 3.2, 4.2, 3.3, 2.2), d= c("small", "med", "larg", "larg", "larg", "med", "small", "small", "small", "med"))

    d<- data %>%
    group_by(b) %>%
    summarise(min_values= min(c))
    d
    b min_values
    1 a        1.2
    2 b        1.7
    3 c        3.1
    4 d        2.2

因此，我还需要与 a 列和 d 列相关的信息，但是，由于我在 c 列的值中有重复，我无法根据 min_value 列合并它们...我想知道是否有任何方法可以保留当我们使用 dplyr 包时，其他列的信息。

我在这里找到了一些解释“ dplyr: group_by, subset and summarize ”和“ Finding percentage in a sub-group using group_by and summarize ”，但都没有解决我的问题。

Answer 1

以下是使用a） filter和b）来自dplyr的slice两个选项。 在这种情况下，对于任何组，列c中没有重复的最小值，因此a）和b）的结果是相同的。 如果有重复的最小值，方法一）将返回每个最小值每组而b）中仅将各组中返回一个最小的（第一）。

一个）

> data %>% group_by(b) %>% filter(c == min(c))
#Source: local data frame [4 x 4]
#Groups: b
#
#   a b   c     d
#1  1 a 1.2 small
#2  4 b 1.7  larg
#3  6 c 3.1   med
#4 10 d 2.2   med

或者类似的

> data %>% group_by(b) %>% filter(min_rank(c) == 1L)
#Source: local data frame [4 x 4]
#Groups: b
#
#   a b   c     d
#1  1 a 1.2 small
#2  4 b 1.7  larg
#3  6 c 3.1   med
#4 10 d 2.2   med

b）

> data %>% group_by(b) %>% slice(which.min(c))
#Source: local data frame [4 x 4]
#Groups: b
#
#   a b   c     d
#1  1 a 1.2 small
#2  4 b 1.7  larg
#3  6 c 3.1   med
#4 10 d 2.2   med

Answer 2

您可以使用group_by而不进行summarize ：

data %>%
  group_by(b) %>%
  mutate(min_values = min(c)) %>%
  ungroup()

Answer 3

使用sqldf ：

library(sqldf)
 # Two options:
sqldf('SELECT * FROM data GROUP BY b HAVING min(c)')
sqldf('SELECT a, b, min(c) min, d FROM data GROUP BY b')

输出：

   a b   c     d
1  1 a 1.2 small
2  4 b 1.7  larg
3  6 c 3.1   med
4 10 d 2.2   med

Answer 4

使用dplyr 1.1.0 ，您可以在mutate 、 summarize 、 filter和slice中使用.by来进行临时分组。 使用mutate ，保留所有行和列：

data %>% 
  mutate(min_values = min(c), .by = b)

使用filter或slice ，汇总行并保留所有列：

data %>% 
  slice_min(c, .by = b)

data %>% 
  filter(c = min(c), .by = b)