如何在R中通过A列创建唯一值，并保留B列最大值所在的行。

Question

我有一个包含17列的数据框。 第2列有多行具有相同的值，我想保留其中的一行，具体来说是在第17列中具有最大值的那一行。

例如：

A    B
'a'  1
'a'  2
'a'  3
'b'  5
'b'  200

Would return
A    B
'a'  3
'b'  200

（加上其他列）

到目前为止，我一直在使用unique函数，但我认为它随机保留一个或仅保留第一个出现的。

**更新** 真实数据有376000行。我尝试了data.table和ddply建议，但它们需要很长时间。有没有什么方法最有效？

- biojl

---

搜索tapply或plyr，你会发现很多很多完全相同的问题。 - Andrie

关于更新：您需要提供更多信息。我已经测试了数据表解决方案，使用了1000万行和26个组，性能令人满意。 - Roland

我正在测试提供的第一个解决方案。Roland 的最后一次更新需要几分钟时间。谢谢！ - biojl

Answer 1

使用data.table包的解决方案：

set.seed(42)
dat <- data.frame(A=c('a','a','a','b','b'),B=c(1,2,3,5,200),C=rnorm(5))
library(data.table)

dat <- as.data.table(dat)
dat[,.SD[which.max(B)],by=A]

   A   B         C
1: a   3 0.3631284
2: b 200 0.4042683

- Roland

---

但是对于多列，结果会有NAs（数据仅包含数字）。我想要得到max(col1,col2,col3)，并且按照col3,col4,col5进行分组？我尝试将其扩展为dat[,.SD[which.max(col1,col2,col3), by=c(col3,col4,col5)]。但结果看起来不对。寻找select col3,col4,col5,max(col1) as col1,max(col2) as col2,max(col3) as col3 group by col3,col4,col5。 - sjd

Answer 2

使用R基本函数的解决方案并不太优雅

> ind <- with(dat, tapply(B, A, which.max)) # Using @Roland's data
> mysplit <- split(dat, dat$A)
> do.call(rbind, lapply(1:length(mysplit), function(i) mysplit[[i]][ind[i],]))
  A   B         C
3 a   3 0.3631284
5 b 200 0.4042683

- Jilber Urbina

---

这与我的答案有所不同，而且不清楚OP想要实现什么。 - Roland

这个解决方案选择每列的最大值，但是OP要求选择一个完整的行，其中第17列具有最高的值。Roland的答案现在是唯一正确的。 - betabandido