在R中按组进行变异

Question

在R中按组进行变异

6

我有一个数据，包含以下列：

    Date         CID      FID        rank  
    31/01/17     abc0001  rx180x01    0
    31/01/17     abc0001  rx180x02    0
    31/01/17     abc0001  rx180x03    2
    28/02/17     abc0001  rx180x32    1
    28/02/17     abc0001  rx180x31    0

每个CID都有一些唯一的FID与之映射，并且对于这些FID，每个CID都有一些排名。我需要创建两个新列finalrank和finalFID。

finalrank是每个日期中每个CID的最大排名。例如，对于CID abc0001，在日期31/01/17中，finalrank将为2。这个逻辑将应用于所有唯一的CID-日期组合。

FinalFID是具有特定finalrank值的CID在日期中的FID。例如，在日期31/01/17中，对于CID abc0001，具有最大排名的FID是rx180x03。

因此，我的结果应该如下所示：

    Date         CID      FID        rank  finalrank finalFID
    31/01/17     abc0001  rx180x01    0    2         rx180x03
    31/01/17     abc0001  rx180x02    0    2         rx180x03
    31/01/17     abc0001  rx180x03    2    2         rx180x03
    28/02/17     abc0001  rx180x32    1    1         rx180x32
    28/02/17     abc0001  rx180x31    0    1         rx180x32

我写了一段代码，看起来很优雅，也很好，但是对于非常大的数据却无法运行。我正在处理的数据有500万条。当我在R中运行它时，对于如此庞大的数据框，它只显示正在运行而已。

       data          = dplyr::group_by(data,CID,date)
       data          = arrange(data,CID,date)
       data          = dplyr::mutate(data, finalrank =max(rank))

       # Id FID of maximum rank
       data   = dplyr::mutate(data, match = FID[match(finalrank ,rank)])

- Dom Jo

2个回答

3

使用 dplyr 的一种更快的方法是通过对数据进行 Date、CID、rank 排序，然后再取 last。解决方案如下：

library(dplyr)

df %>% mutate(Date = as.POSIXct(Date,format = "%d/%m/%y")) %>%
  group_by(Date, CID) %>%
  arrange(Date, CID, rank) %>%
  mutate(finalrank = last(rank), finalFID=last(FID)) %>%
  as.data.frame()

#         Date     CID      FID rank finalrank finalFID
# 1 2017-01-31 abc0001 rx180x01    0         2 rx180x03
# 2 2017-01-31 abc0001 rx180x02    0         2 rx180x03
# 3 2017-01-31 abc0001 rx180x03    2         2 rx180x03
# 4 2017-02-28 abc0001 rx180x31    0         1 rx180x32
# 5 2017-02-28 abc0001 rx180x32    1         1 rx180x32

编辑：为了澄清@Onyambu的疑问，即使最后一行没有最大排名值，解决方案仍然有效。

df$rank[1] <- 3

df %>% mutate(Date = as.POSIXct(Date,format = "%d/%m/%y")) %>%
  group_by(Date, CID) %>%
  arrange(Date, CID, rank) %>%
  mutate(finalrank = last(rank), finalFID=last(FID)) %>%
  as.data.frame()


#        Date     CID      FID rank finalrank finalFID
# 1 2017-01-31 abc0001 rx180x02    0         3 rx180x01
# 2 2017-01-31 abc0001 rx180x03    2         3 rx180x01
# 3 2017-01-31 abc0001 rx180x01    3         3 rx180x01
# 4 2017-02-28 abc0001 rx180x31    0         1 rx180x32
# 5 2017-02-28 abc0001 rx180x32    1         1 rx180x32

数据：

df <- read.table(text=
"Date         CID      FID        rank  
31/01/17     abc0001  rx180x01    0
31/01/17     abc0001  rx180x02    0
31/01/17     abc0001  rx180x03    2
28/02/17     abc0001  rx180x32    1
28/02/17     abc0001  rx180x31    0",
header = TRUE,  stringsAsFactors = FALSE)

- MKR

这种情况下，具有最大排名的FID不是最大/最后一个时，这将无法工作。 - Onyambu

@Onyambu 这会起作用的。只需将第一行的排名更改为3并运行解决方案。您将看到正确的结果。 - MKR

1

我明白了，我明白你的意思。 - Onyambu

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- onyambu · Accepted Answer

dat%>%
   group_by(Date,CID)%>%
   mutate(finalrank=max(rank),finalFID=FID[which.max(rank)])
# A tibble: 5 x 6
# Groups:   Date, CID [2]
  Date     CID     FID       rank finalrank finalFID
  <fct>    <fct>   <fct>    <int>     <dbl> <fct>   
1 31/01/17 abc0001 rx180x01     0         2 rx180x03
2 31/01/17 abc0001 rx180x02     0         2 rx180x03
3 31/01/17 abc0001 rx180x03     2         2 rx180x03
4 28/02/17 abc0001 rx180x32     1         1 rx180x32
5 28/02/17 abc0001 rx180x31     0         1 rx180x32

使用 data.table

library(data.table)
setDT(dat)[,c("finalrank","finalFID"):=.(max(rank),FID[which.max(rank)]),by=.(Date,CID)]
dat 
       Date     CID      FID rank finalrank finalFID
1: 31/01/17 abc0001 rx180x01    0         2 rx180x03
2: 31/01/17 abc0001 rx180x02    0         2 rx180x03
3: 31/01/17 abc0001 rx180x03    2         2 rx180x03
4: 28/02/17 abc0001 rx180x32    1         1 rx180x32
5: 28/02/17 abc0001 rx180x31    0         1 rx180x32