我有一个数据框，其中每一行代表一个记录的事件。举个例子，假设我测量了经过的汽车的速度，有些汽车不止一次地经过我。
cardata <- data.frame(
car.ID = c(3,4,1,2,5,4,5),
speed = c(100,121,56,73,87,111,107)
)
我可以对列表进行排序并找出三个最快的事件...
top3<-head(cardata[order(cardata$speed,decreasing=TRUE),],n=3)
> top3
car.ID speed
2 4 121
6 4 111
7 5 107
...但您会注意到，汽车 4 记录了两个最快的时间。如何在没有任何重复汽车 ID 的情况下找到三个最快的事件？我意识到，在这种情况下，可能“前 3 名”列表将不包括三个最快的事件。
You can use aggregate to first find the top speed per car.ID:
cartop <- aggregate(speed ~ car.ID, data = cardata, FUN = max)
top3 <- head(cartop[order(cartop$speed, decreasing = TRUE), ], n = 3)
# car.ID speed
# 4 4 121
# 5 5 107
# 3 3 100
使用data.table而不是data.frame：
library(data.table)
dt = data.table(cardata)
# the easier to read way
dt[order(-speed), speed[1], by = car.ID][1:3]
# car.ID V1
#1: 4 121
#2: 5 107
#3: 3 100
# (probably) a faster way
setkey(dt, speed) # faster sort by speed
tail(dt[, speed[.N], by = car.ID], 3)
# car.ID V1
#1: 5 107
#2: 3 100
#3: 4 121
# and another way for fun (not sure how fast it is)
setkey(dt, car.ID, speed)
tail(dt[J(unique(car.ID)), mult = 'last'], 3)
有了plyr你也可以做到。以选择前 3 名为例：
library(plyr)
top3 <- ddply(ddply(cardata,.(car.ID),summarize, maxspeed=max(speed)),.(-maxspeed))[1:3,-1]
更新
使用该dplyr软件包，您可以更快、更清晰地完成它。
require(dplyr)
# Select for each car.ID the observation with the highest speed and sort.
top <- cardata %>%
group_by(car.ID) %>%
arrange(-speed)%>%
top_n(1)
# Take the top 3 of the resulting table.
top3 <- top[1:3,]
top3
# car.ID speed
# 1 4 121
# 2 5 107
# 3 3 100
我更喜欢使用 base R 建议的解决方案，但为了完整起见，这里是另一种使用方式sqldf：
library(sqldf)
cardata <- data.frame(
car.ID = c(3,4,1,2,5,4,5),
speed = c(100,121,56,73,87,111,107)
)
sqldf("
select car_ID, max(speed) as max_speed
from cardata
group by car_ID
order by max(speed) desc
limit 3
")
这是另一种基本 R 方式：
top.speeds <- unique(transform(cardata, speed=ave(speed, car.ID, FUN=max)))
top3 <- head(top.speeds[order(top.speeds$speed, decreasing=TRUE), ], n=3)
# car.ID speed
# 2 4 121
# 5 5 107
# 1 3 100