这里是一个数据框的样例:
d <- data.frame(
x = runif(90),
grp = gl(3, 30)
)
我想要包含每个grp
值的前5个x
值所在行的d
子集。
使用基本R,我的方法大致如下:
ordered <- d[order(d$x, decreasing = TRUE), ]
splits <- split(ordered, ordered$grp)
heads <- lapply(splits, head)
do.call(rbind, heads)
## x grp
## 1.19 0.8879631 1
## 1.4 0.8844818 1
## 1.12 0.8596197 1
## 1.26 0.8481809 1
## 1.18 0.8461516 1
## 1.29 0.8317092 1
## 2.31 0.9751049 2
## 2.34 0.9269764 2
## 2.57 0.8964114 2
## 2.58 0.8896466 2
## 2.45 0.8888834 2
## 2.35 0.8706823 2
## 3.74 0.9884852 3
## 3.73 0.9837653 3
## 3.83 0.9375398 3
## 3.64 0.9229036 3
## 3.69 0.8021373 3
## 3.86 0.7418946 3
使用 dplyr
,我本来以为这会起作用:
d %>%
arrange_(~ desc(x)) %>%
group_by_(~ grp) %>%
head(n = 5)
但是它只返回前5行。
将head
替换为top_n
可以返回整个d
。
d %>%
arrange_(~ desc(x)) %>%
group_by_(~ grp) %>%
top_n(n = 5)
如何获取正确的子集?
data.table
方法,应该会稍微快一些:dt <- setorder(setDT(dd), grp, -x); dt[dt[, .I[seq_len(.N) <= 5L], grp]$V1]
- chinsoon12data.table
方法更容易:setDT(d)[order(-x),x[1:5],keyby = .(grp)]
。 - Tao Husetorder
比order
更快。 - Tao Hu