Question

假设我们在R中有以下数据集：

> td
  Type Rep Value1 Value2
1    A   1      7      1
2    A   2      5      4
3    A   3      5      3
4    A   4      8      2
5    B   1      5     10
6    B   2      6      1
7    B   3      7      1
8    C   1      8     13
9    C   2      8     13

> td <- structure(list(Type = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 
3L, 3L), .Label = c("A", "B", "C"), class = "factor"), Rep = c(1L, 
2L, 3L, 4L, 1L, 2L, 3L, 1L, 2L), Value1 = c(7L, 5L, 5L, 8L, 5L, 
6L, 7L, 8L, 8L), Value2 = c(1L, 4L, 3L, 2L, 10L, 1L, 1L, 13L, 
13L)), .Names = c("Type", "Rep", "Value1", "Value2"), class = "data.frame",
row.names = c(NA, -9L))

我想制作下表：

  Type MinValue1 MinValue2 MeanValue1 MeanValue2
1    A         5         3       6.25        2.5
2    B         5        10       6.00        4.0
3    C         3        13       8.00       13.0

在此表中，数据由＆＃34;类型汇总。＆＃34;专栏＆＃34; MinValue1＆＃34;是特定类型和列的最小值＆＃34; MinValue2＆＃34;是＆＃34; Value2＆＃34;的最小值，给定列＃34; Value1＆＃34;的最小值。列平均值*是所有观测值的一般平均值。

实现此目的的一种方法是实现迭代每种类型并进行数学运算的循环。但是，我正在寻找一种更好/更好/更好的方式来执行此类操作。

我使用了＆＃34; tidyverse＆＃34;：

的工具

> library(tidyverse)
> td %>% 
     group_by(Type) %>% 
     summarise(MinValue1 = min(Value1), 
               MeanValue1 = mean(Value1),
               MeanValue2 = mean(Value2))
# A tibble: 3 × 4
    Type MinValue1 MeanValue1 MeanValue2
  <fctr>    <int>       <dbl>      <dbl>
1      A        5        6.25        2.5
2      B        5        6.00        4.0
3      C        8        8.00       13.0

请注意，我们没有Column＆＃34; MinValue2＆＃34;这里。另请注意＆＃34;总结（...，MinValue2 = min（Value2），...）＆＃34;因为此解决方案只采用一种类型的所有观察结果，所以不起作用。

我们可以玩＆＃34;切片＆＃34;然后合并结果：

> td %>% group_by(Type) %>% slice(which.min(Value1))
Source: local data frame [3 x 4]
Groups: Type [3]

    Type   Rep Value1 Value2
  <fctr> <int>  <int>  <int>
1      A     3      5      4
2      B     1      5     10
3      C     1      8     13

但请注意＆＃34;切片＆＃34;工具对我们没有帮助：＆＃34; A型，Value1 5＆＃34;应该有＆＃34; Value2＆＃34; = = 3，而不是= = 4，因为切片返回。

那么，你们有一个优雅的方式来实现我寻求的结果吗？谢谢！

Answer 1

一种方法是使用order函数的属性来破坏与另一个向量的联系：

get_min_at_min <- function(vec1, vec2) {
  return(vec2[order(vec1, vec2)[1]])
}

这返回了vec2的最小值，其中索引对应于vec1的最小值。使用此功能，管道很简单：

td %>% 
  group_by(Type) %>% 
  summarise(MinValue1 = min(Value1),
            MinValue2 = get_min_at_min(Value1, Value2),
            MeanValue1 = mean(Value1),
            MeanValue2 = mean(Value2))

或者只是简单地使用这样一个事实：人们可以只解决dplyr函数中的计算变量：

td %>% 
  group_by(Type) %>% 
  summarise(MinValue1 = min(Value1),
            MinValue2 = min(Value2[Value1 == MinValue1]),
            MeanValue1 = mean(Value1),
            MeanValue2 = mean(Value2))

Answer 2

按“类型”分组后，根据选择与“Value1”最小值对应的元素，创建另一个组minimum为“Value2”的组，使用summarise_each获取{{所选列的1}}和min（'Value1'和'Value2'）并使用mean

删除'Value2_min'

select

Answer 3

非常感谢@evgeniC和@akrun。你的帮助是有价值的。根据我的目的/数据集，两种解决方案都能很好地工作。因此，为了丰富一些讨论，我运行了一些实验来测试这些提案的速度，使用以下脚本（当然，还是对每个实验进行评论/取消注释）：

library(tidyverse)

args <- commandArgs(TRUE)
set.seed(args[1])
n = args[2]

td = data.frame(Type = sample(LETTERS, n, replace=T),
                Value1 = sample(1:100, n, replace=T),
                Value2 = sample(1:100, n, replace=T))

ptm <- proc.time()

# Solution 1 ###
#get_min_at_min <- function(vec1, vec2) {
  #return(vec2[order(vec1, vec2)[1]])
#}

#tmp <- td %>%
       #group_by(Type) %>%
       #summarise(MinValue1 = min(Value1),
                 #MinValue2 = get_min_at_min(Value1, Value2),
                 #MeanValue1 = mean(Value1),
                 #MeanValue2 = mean(Value2))

### Solution 2 ###
tmp <- td %>%
       group_by(Type) %>%
       summarise(MinValue1 = min(Value1),
                 MinValue2 = min(Value2[Value1 == MinValue1]),
                 MeanValue1 = mean(Value1),
                 MeanValue2 = mean(Value2))

### Solution 3 ###
#tmp <- td %>%
       #group_by(Type) %>%
       #group_by(MinValue2 = min(Value2[Value1==min(Value1)]), add=TRUE) %>%
       #summarise_each(funs(min, mean), Value1:Value2) %>%
       #select(-Value2_min)

print(proc.time() - ptm)

并且对于每个算法，我运行

$ Rscript test.R 270001 10000000

使用

> td %>% group_by(Alg) %>% summarise_each(funs(mean, sd), User:Elapsed)

我们得到了以下结果：

       Alg User_mean System_mean Elapsed_mean    User_sd   System_sd Elapsed_sd
1    akrun 1.3643333  0.13766667     1.510333 0.01069268 0.005033223 0.02050203
2 evgeniC1 0.8706667  0.07466667     0.951000 0.03323151 0.003055050 0.04073082
3 evgeniC2 0.8600000  0.09300000     0.958000 0.05546170 0.005196152 0.06331666

因此，我倾向于使用来自@evgeniC的解决方案2，因为它是最优雅/简单的，并且它与解决方案1一样快。@ karun提出了一个很好的解决方案，但它有点复杂和缓慢。无论如何，该设置在其他情况下非常有用。

给定列的最小值，找到其他colunm中的最小值（dplyr）

3 个答案: