如何在R中高效选择最小值行？

Question

可能是重复问题:
仅保留每个因子水平的最小值

这是我的问题，我想选择指定列中具有最小值的行。 例如：

df <- data.frame(A=c("a","a","b","b"),value=1:4)

我想要的结果是

 A value
 a     1
 b     3

我可以使用by和ddply，但是当数据框很大并且A中有许多不同的值时，它们会变得非常缓慢。

do.call(rbind,by(df,df$A, function(x) x[which.min(abs(x$value)),],simplify=FALSE))

ddply(df, ~A, function(x){x[which.min(abs(x$value)),]})

任何建议吗？

非常感谢！

- ccshao

---

我选择了那个可能的重复内容，因为它里面有一些基准测试。希望能对你有所帮助。 - Matt Dowle

顺便提一下，如果有一些搜索技巧的话，我是通过搜索“[r] +which.min +benchmark”找到那个问题的，只返回了那一个问题。我想诀窍在于从“高效”这个词转而搜索“基准测试”。 - Matt Dowle

Answer 1

data.table如果设置键值，对于大型数据框的处理速度非常快。

dt <- data.table(df, key="A")
dt[, list(value=min(value)), by=A]

参考文献:

• 快速介绍
• 手册

- Erik Shilts

---

有趣。如何返回除了"value"和"A"以外的其他列？ - ccshao

您可以通过将列名作为向量传递（例如 by=c("A", "Bcolumn", "Ccolumn")）来拥有多个“按”列。您可以在列表调用中包含多个统计信息（例如 list(min_value=min(value), max_value=max(value))），以计算多个统计数据。 - Erik Shilts

抱歉，我没有表达清楚。假设在数据框df中有三列“B”，但是使用该命令时只得到了“value”和“A”，如何使输出也包括列“B”。 - ccshao

这取决于你想要计算什么。如果你想要按A和B的最小值进行计算，那么你需要使用我上面提到的“by”语法。如果你想要在B上计算某些东西，那么你将使用“list”语法，但是将值替换为B。如果你想要其他内容，那么示例数据会有所帮助，因为语法将根据你想要的内容而有所不同。 - Erik Shilts

Answer 2

tapply做这个：

> tapply(df$value, df$A, min)
a b 
1 3 

编辑：使用by代替tapply，我们可以保留行名称：

df <- data.frame(A=c("a","a","b","b"),value=11:14)
df
##   A value
## 1 a    11
## 2 a    12
## 3 b    13
## 4 b    14

do.call(rbind, unname(by(df, df$A, function(x) x[x$value == min(x$value),])))
##   A value
## 1 a    11
## 3 b    13

- Matthew Lundberg

---

它很快，但我丢失了其他信息。如何返回行索引？ - ccshao

抱歉，我误读了您的问题。我以为您想要值（这里与索引相符）。 - Matthew Lundberg