按组获取最高值 [英] Getting the top values by group

问题描述

这是一个示例数据框:

d <- data.frame(
  x   = runif(90),
  grp = gl(3, 30)
) 

我想要 d 的子集，其中包含 x 的前 5 个值的每个 grp 值的行.

I want the subset of d containing the rows with the top 5 values of x for each value of grp.

使用 base-R，我的方法类似于:

Using base-R, my approach would be something like:

ordered <- d[order(d$x, decreasing = TRUE), ]    
splits <- split(ordered, ordered$grp)
heads <- lapply(splits, head)
do.call(rbind, heads)
##              x grp
## 1.19 0.8879631   1
## 1.4  0.8844818   1
## 1.12 0.8596197   1
## 1.26 0.8481809   1
## 1.18 0.8461516   1
## 1.29 0.8317092   1
## 2.31 0.9751049   2
## 2.34 0.9269764   2
## 2.57 0.8964114   2
## 2.58 0.8896466   2
## 2.45 0.8888834   2
## 2.35 0.8706823   2
## 3.74 0.9884852   3
## 3.73 0.9837653   3
## 3.83 0.9375398   3
## 3.64 0.9229036   3
## 3.69 0.8021373   3
## 3.86 0.7418946   3

使用 dplyr，我希望它可以工作:

Using dplyr, I expected this to work:

d %>%
  arrange_(~ desc(x)) %>%
  group_by_(~ grp) %>%
  head(n = 5)

但它只返回总前 5 行.

but it only returns the overall top 5 rows.

将 head 交换为 top_n 返回整个 d.

d %>%
  arrange_(~ desc(x)) %>%
  group_by_(~ grp) %>%
  top_n(n = 5)

如何获得正确的子集?

推荐答案

来自 dplyr1.0.0, "slice_min() 和 slice_max() 选择一个变量的最小值或最大值的行，从混乱的<代码>top_n()."

From dplyr 1.0.0, "slice_min() and slice_max() select the rows with the minimum or maximum values of a variable, taking over from the confusing top_n()."

d %>% group_by(grp) %>% slice_max(order_by = x, n = 5)
# # A tibble: 15 x 2
# # Groups:   grp [3]
#     x grp  
# <dbl> <fct>
#  1 0.994 1    
#  2 0.957 1    
#  3 0.955 1    
#  4 0.940 1    
#  5 0.900 1    
#  6 0.963 2    
#  7 0.902 2    
#  8 0.895 2    
#  9 0.858 2    
# 10 0.799 2    
# 11 0.985 3    
# 12 0.893 3    
# 13 0.886 3    
# 14 0.815 3    
# 15 0.812 3

---

Pre-dplyr 1.0.0 使用 top_n:

来自 ?top_n，关于 wt 参数:

From ?top_n, about the wt argument:

用于排序的变量 [...] 默认为 tbl 中的最后一个变量.

The variable to use for ordering [...] defaults to the last variable in the tbl".

数据集中的最后一个变量是grp"，这不是您希望排序的变量，这也是您的 top_n 尝试返回整个 d"的原因.因此，如果您希望按x"排序在您的数据集中，您需要指定 wt = x.

The last variable in your data set is "grp", which is not the variable you wish to rank, and which is why your top_n attempt "returns the whole of d". Thus, if you wish to rank by "x" in your data set, you need to specify wt = x.

d %>%
  group_by(grp) %>%
  top_n(n = 5, wt = x)

---

数据:

set.seed(123)
d <- data.frame(
  x = runif(90),
  grp = gl(3, 30))

这篇关于按组获取最高值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！