在数据框中提取每个组内的最大值

Question

我有一个数据框，其中包含一个分组变量（“Gene”）和一个值变量（“Value”）：

Gene   Value
A      12
A      10
B      3
B      5
B      6
C      1
D      3
D      4

对于我的分组变量的每个级别，我希望提取最大值。因此，结果应该是一个数据框，每个级别的分组变量占据一行：

Gene   Value
A      12
B      6
C      1
D      4

聚合功能能行吗？

- Johnathan

---

是的。aggregate 可以解决问题。只需使用max 作为相关函数即可。 - A5C1D2H2I1M1N2O1R2T1

Answer 1

在 R 中有许多可能实现这一点的方法。以下是其中一些：

df <- read.table(header = TRUE, text = 'Gene   Value
A      12
A      10
B      3
B      5
B      6
C      1
D      3
D      4')

# aggregate
aggregate(df$Value, by = list(df$Gene), max)
aggregate(Value ~ Gene, data = df, max)

# tapply
tapply(df$Value, df$Gene, max)

# split + lapply
lapply(split(df, df$Gene), function(y) max(y$Value))

# plyr
require(plyr)
ddply(df, .(Gene), summarise, Value = max(Value))

# dplyr
require(dplyr)
df %>% group_by(Gene) %>% summarise(Value = max(Value))

# data.table
require(data.table)
dt <- data.table(df)
dt[ , max(Value), by = Gene]

# doBy
require(doBy)
summaryBy(Value~Gene, data = df, FUN = max)

# sqldf
require(sqldf)
sqldf("select Gene, max(Value) as Value from df group by Gene", drv = 'SQLite')

# ave
df[as.logical(ave(df$Value, df$Gene, FUN = function(x) x == max(x))),]

- EDi

---

你可以将dplyr添加到这个集合中（+1）。 - talat

而且，aggregate 的公式方法可以给出更好的输出... - A5C1D2H2I1M1N2O1R2T1

@beginneR: 我还没有用过dplyr（我更多是data.table的爱好者），但是弄清楚它很容易。 - EDi

@AnandaMahto：还添加了aggregate.formula... - EDi

我在SO上看到的最简单和最全面的答案之一。做得好！谢谢 :)。 - theforestecologist

Answer 2

df$Gene <- as.factor(df$Gene)
do.call(rbind, lapply(split(df,df$Gene), function(x) {return(x[which.max(x$Value),])}))

只使用基础的 R

- Kalees Waran

Answer 3

使用sqldf和标准SQL，按另一个变量进行分组获取最大值。

https://cran.r-project.org/web/packages/sqldf/sqldf.pdf

library(sqldf)
sqldf("select max(Value),Gene from df1 group by Gene")

或者

使用优秀的Hmisc包进行函数（max）的分组应用 https://www.rdocumentation.org/packages/Hmisc/versions/4.0-3/topics/summarize

library(Hmisc)
summarize(df1$Value,df1$Gene,max)

- Ajay Ohri

---

有没有可能在一条命令行中获取最大值和最小值（或它们之间的差异）？ - godines

看起来我可以使用以下代码：aggregate(na.omit(Value)~Gene, df, function(x) c(max(x)-min(x))) - godines