r - 如何按组获取最大值

Question

我有data.frame两列：year和score。年份从 2000 年到 2012 年，每年可以多次列出。在分数列中，我列出了每年的所有分数，每一行都有不同的分数。

我想要做的是过滤，data.frame所以只保留每年得分最高的行。

所以作为一个小例子，如果我有

year score
2000    18
2001    22
2000    21

我只想回来

year score
2001    22
2000    21

Answer 1

使用plyr

require(plyr)
set.seed(45)
df <- data.frame(year=sample(2000:2012, 25, replace=T), score=sample(25))
ddply(df, .(year), summarise, max.score=max(score))

使用data.table

require(data.table)
dt <- data.table(df, key="year")
dt[, list(max.score=max(score)), by=year]

使用aggregate：

o <- aggregate(df$score, list(df$year) , max)
names(o) <- c("year", "max.score")

使用ave：

df1 <- df
df1$max.score <- ave(df1$score, df1$year, FUN=max)
df1 <- df1[!duplicated(df1$year), ]

编辑：如果有更多列，data.table 解决方案将是最好的（我的意见:)）

set.seed(45)
df <- data.frame(year=sample(2000:2012, 25, replace=T), score=sample(25), 
               alpha = sample(letters[1:5], 25, replace=T), beta=rnorm(25))

# convert to data.table with key=year
dt <- data.table(df, key="year")
# get the subset of data that matches this criterion
dt[, .SD[score %in% max(score)], by=year]

#     year score alpha       beta
#  1: 2000    20     b  0.8675148
#  2: 2001    21     e  1.5543102
#  3: 2002    22     c  0.6676305
#  4: 2003    18     a -0.9953758
#  5: 2004    23     d  2.1829996
#  6: 2005    25     b -0.9454914
#  7: 2007    17     e  0.7158021
#  8: 2008    12     e  0.6501763
#  9: 2011    24     a  0.7201334
# 10: 2012    19     d  1.2493954

Answer 2

如果你知道 sql 这更容易理解

library(sqldf)
sqldf('select year, max(score) from mydata group by year')

更新 (2016-01)：现在您也可以使用 dplyr

library(dplyr)
mydata %>% group_by(year) %>% summarise(max = max(score))

Answer 3

使用基础包

> df
  year score
1 2000    18
2 2001    22
3 2000    21
> aggregate(score ~ year, data=df, max)
  year score
1 2000    21
2 2001    22

编辑

如果您需要保留其他列，则可以使用mergewithaggregate来获取这些列

> df <- data.frame(year = c(2000, 2001, 2000), score = c(18, 22, 21) , hrs = c( 10, 11, 12))
> df
  year score hrs
1 2000    18  10
2 2001    22  11
3 2000    21  12
> merge(aggregate(score ~ year, data=df, max), df, all.x=T)
  year score hrs
1 2000    21  12
2 2001    22  11

Answer 4

data <- data.frame(year = c(2000, 2001, 2000), score = c(18, 22, 21))
new.year <- unique(data$year)
new.score <- sapply(new.year, function(y) max(data[data$year == y, ]$score))
data <- data.frame(year = new.year, score = new.score)

Answer 5

一个班轮，

df_2<-data.frame(year=sort(unique(df$year)),score = tapply(df$score,df$year,max));