如何使用dplyr选择每组中具有最大值的行？

Question

我想用dplyr在每个组中选择一个具有最大值的行.

首先,我生成一些随机数据来显示我的问题

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

在plyr中,我可以使用自定义函数来选择此行.

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

在dplyr中,我使用此代码来获取最大值,但不是具有最大值的行(在本例中为C列).

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

我怎么能实现这个目标？谢谢你的任何建议.

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        

Answer 1

试试这个:

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

似乎工作:

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

正如@docendo在评论中指出的那样,slice如果您严格只想要每组1行,可能会根据@RoyalITS的答案在这里首选.如果有多个具有相同的最大值,则此答案将返回多行.

Answer 2

您可以使用 top_n

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

这将按最后一列(value)排名并返回顶n=1行.

目前,您无法在不导致错误的情况下更改此默认值(请参阅https://github.com/hadley/dplyr/issues/426)

Answer 3

df %>% group_by(A,B) %>% slice(which.max(value))

Answer 4

这个更详细的解决方案可以更好地控制在重复最大值的情况下发生的情况(在此示例中,它将随机采用相应的行之一)

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