R子集數據幀並基於列執行功能

Question

樣本數據。 我還不確定如何在SO上使用代碼塊系統。

df <- data.frame(c(1,1,1,2,2,2,3,3,3),c(1990,1991,1992,1990,1991,1992,1990,1991,1992),c(1,2,3,3,2,1,2,1,3))
colnames(df) <- c("id", "year", "value")

這會生成一個簡單的矩陣。

id year value
1 1990 1
1 1991 2
1 1992 3
2 1990 3
2 1991 2
2 1992 1
3 1990 2
3 1991 1
3 1992 3

我正在整理R子集問題，並且無法弄清楚應用於它的ddply函數{plyr}的第二步。

邏輯：對於所有ID子組，在最早的時間點找到最高值（即3）。

我對這里使用的語法感到困惑。 從搜索SO，我認為ddply是最好的選擇，但無法弄清楚如何。 理想情況下，我的輸出應該是一個UNIQUE ID的向量（因為只有一個被選中，整個行都用它。這對我來說不適用於R，但它是我能想到的最好的“邏輯”。

ddply( (ddply(df,id)), year, which.min(value) )

例如

id year value
1 1992 3
2 1990 3
3 1992 3

如果3不可用，則應采用下一個最高（2或1）。 有任何想法嗎？

Answer 1

你要明白， ddply分裂根據拆分變量（一個或多個）原始的data.frame到data.frames。 因此，它需要一個帶有data.frame作為參數和返回值的函數。

library(plyr)
ddply(df,.(id),function(DF) {res <- DF[which.max(DF$value),]
                             res[which.min(res$year),]})

#   id year value
# 1  1 1992     3
# 2  2 1990     3
# 3  3 1992     3

Answer 2

我相信data.table對你data.table是最好的工具（無論是速度還是語法原因）：

library(data.table)
dt = data.table(df)

# order by year, and then take the first row for each id that has max 'value'
dt[order(year), .SD[which.max(value)], by = id]
#   id year value
#1:  1 1992     3
#2:  2 1990     3
#3:  3 1992     3

# if you're after speed, this slightly worse syntax is the current way of achieving it
dt[dt[order(year), .I[which.max(value)], by = id]$V1]