从 R 中数据帧的列中获取 `n` 个最大值或最小值

Question

我有大数据框。 我想找到某个列的第n最低元素的行索引。 例如：考虑以下数据帧df

col_1 col_2 col_3
  1      2     3 
  -1     2     21 
  2      3     1 

所以func(dataframe = df, column_name = col_1, n=2)会返回我

[1,2] #index of the rows

注意：我想避免对列进行排序。

Answer 1

一个有趣的问题。 我能想到（至少）四种方法； 全部使用基本 R 解决方案。 为简单起见，我只是创建了一个向量，而不是使用数据框。 如果它适用于向量，只需对数据框进行子集化。

首先是一些虚拟数据

x = runif(1e6)

现在四种方法（按速度排序）

## Using partial sorting
f = function(n){
  cut_off = sort(x, partial=n+1)[n+1]
  x[x < cut_off]
}

## Using a faster method of sorting; but doesn't work with partial
g = function(n){
  cut_off = sort(x, method="radix")[n+1]
  x[x < cut_off]
}

# Ordering
h = function(n) x[order(x)[1:n]]

#Ranking
i = function(n) x[rank(x) %in% 1:n]

时间表明，仔细排序似乎是最佳选择。

R> microbenchmark::microbenchmark(f(n), g(n), h(n),i(n), times = 4)
Unit: milliseconds
 expr    min     lq   mean median     uq    max neval  cld
 f(n)  112.8  116.0  122.1  122.6  128.1  130.2     4 a   
 g(n)  372.6  379.1  442.6  386.1  506.1  625.6     4  b  
 h(n) 1162.3 1196.0 1222.0 1238.4 1248.0 1248.8     4   c 
 i(n) 1414.9 1437.9 1489.1 1484.4 1540.3 1572.6     4    d

---

要使用数据框，您将具有以下内容：

cut_off = sort(df$col, partial=n+1)[n+1]
df[df$col < cut_off,]

Answer 2

使用排序，但这是一种方法。

set.seed(1)
nr    = 100
nc    = 10
n     = 5
ixCol = 1
input = matrix(runif(nr*nc),nrow = nr,ncol=nc)
input[head(order(input[,ixCol]),n),]

Answer 3

使用dplyr和（为了更简单的代码） magrittr ：

data(iris) # use iris dataset

library(dplyr); library(magrittr) # load packages

iris %>%
  filter(Sepal.Length %in% sort(Sepal.Length)[1:3])

这将输出具有最低 3 个Sepal.Length值的行，而不对数据框进行排序。 在这种情况下有关系，所以它输出四行。

要获取相应的行名称，您可以使用以下内容：

rownames(subset(iris,
            Sepal.Length %in% sort(Sepal.Length)[1:3]))