3

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,数据按“类型”汇总。列“MinValue1”是特定类型的最小值,列“MinValue2”是“Value2”的最小值,给定列“Value1”的最小值。列平均值*是所有观察值的一般平均值。

一种方法是实现对每种类型进行迭代并进行数学运算的循环。但是,我正在寻找一种更好/简单/漂亮的方式来执行此类操作。

我玩过“tidyverse”中的工具:

> 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,我们这里没有“MinValue2”列。另请注意,“summarise(..., MinValue2 = min(Value2), ...)”不起作用,因为此解决方案采用一种类型的所有观察值中的最小值。

我们可以玩“切片”,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,“切片”工具在这里对我们没有帮助:“类型 A,Value1 5”应该具有“Value2”== 3,而不是切片返回时的 == 4。

那么,你们有没有一种优雅的方式来实现我所寻求的结果?谢谢!

4

3 回答 3

2

一种方法是使用order函数的属性来打破与另一个向量的联系:

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

这将返回vec2那些索引对应于最小值的最小值vec1。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,即一个人可以在dplyr函数内部处理计算变量:

td %>% 
  group_by(Type) %>% 
  summarise(MinValue1 = min(Value1),
            MinValue2 = min(Value2[Value1 == MinValue1]),
            MeanValue1 = mean(Value1),
            MeanValue2 = mean(Value2))
于 2017-01-15T18:17:42.807 回答
1

非常感谢@evgeniC 和@akrun。您的帮助很有价值。就我的目的/数据集而言,这两种解决方案都非常有效。因此,为了丰富一点讨论,我运行了一些实验来测试这些提议的速度,使用以下脚本(当然,对每个实验进行评论/取消评论):

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)

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/最简单的,并且与解决方案 1 一样快。@akrun 提出了一个不错的解决方案,但它有点复杂和缓慢。无论如何,该设置在其他情况下可能很有用。

于 2017-01-16T11:37:54.960 回答
1

按“类型”分组后,minimum根据选择与“Value1”最小值对应的元素创建另一个“Value2”组,summarise_each用于获取所选列(“Value1”和“Value2”)的minmean删除“Value2_min”select

td %>% 
    group_by(Type) %>%
    group_by(MinValue2 = min(Value2[Value1==min(Value1)]), add=TRUE) %>%  
    summarise_each(funs(min, mean), Value1:Value2) %>% 
    select(-Value2_min)
于 2017-01-15T18:11:00.307 回答