按组筛选数据框中每个组的前n行，并按变量排序。

Question

我想对一个数据框进行子集操作，只保留按照某个变量分组并且按照另一个变量降序排序的前n行数据。以下是一个例子：

    d1 <- data.frame(Gender = c("M", "M", "F", "F", "M", "M", "F", 
  "F"), Age = c(15, 38, 17, 35, 26, 24, 20, 26))

我想获取每个性别年龄降序排列的2行数据。期望的输出结果如下：

Gender  Age  
F   35  
F   26  
M   38  
M   26  

我在这里寻找了关于排序和其他问题的解决方案，但是无法找到适合解决此问题的方法。感谢您的帮助。

- karlos

---

你只需要每个性别中最大的两个年龄吗？ - kmm

Answer 1

使用plyr中的ddply()函数是一种解决方法

require(plyr)
ddply(d1, "Gender", function(x) head(x[order(x$Age, decreasing = TRUE) , ], 2))

- Chase

---

在我发帖之前，我没有看到你的回答！好多了。 - Manoel Galdino

那个工作得很好！我甚至可以修改“n”值。谢谢。 - karlos

@brandon，即使您的n大于组中实际行数，它也可以正常工作。因此，如果您有6个女性和5个男性，并将n更改为5，则会获得前5行的女性和所有男性。这正是我想要的。 - karlos

Answer 2

使用data.table包

require(data.table)
dt1<-data.table(d1)# to speedup you can add setkey(dt1,Gender)
dt1[,.SD[order(Age,decreasing=TRUE)[1:2]],by=Gender]

- Wojciech Sobala

---

可以使用order(-Age)代替order(Age,decreasing=TRUE)。这样可以按不同方向对多列进行排序，例如：order(-Age,+Height,-Weight)。请注意，负号表示以降序排序，而正号表示以升序排序。 - Matt Dowle

Answer 3

我相信还有更好的答案，但这是一种方法：

require(plyr)
ddply(d1, c("Gender", "-Age"))[c(1:2, 5:6),-1]

如果您有比您提供的更大的数据框，并且不想视觉检查要选择哪些行，只需使用以下方法：

new.d1=ddply(d1, c("Gender", "-Age"))[,-1]
pos=match('M',new.d1$Gender) # pos wil show index of first entry of M
new.d1[c(1:2,pos:(pos+1)),]

- Manoel Galdino

---

谢谢你的解决方案，Manoel，但是我没有尝试它，因为chase的解决方案对我有用。 - karlos

@karlos，当然了。他的解决方案比我的好。事实上，昨天他刚帮我解决了一个问题，他也使用了plyr。毫不奇怪，他使用'ddply'比我更好。 - Manoel Galdino

Answer 4

如果你只想进行排序，那么这甚至比那更容易：

d1 <- transform(d1[order(d1$Age, decreasing=TRUE), ], Gender=as.factor(Gender))

然后您可以调用：

require(plyr)
d1 <- ddply(d1, .(Gender), head, n=2)

对每个性别子组进行前两项子集。

- alphaG77

Answer 5

d1 = d1[order(d1$Gender, -d1$Age),]  
d1 = d1[ave(d1$Age, d1$Gender, FUN = seq_along) <= 2, ]

有一个类似的问题，发现在包含150万个记录的数据框上使用这种方法非常快速。

- enkay

Answer 6

如果你需要，我有一个建议：例如，获取前2个女性和前3个男性：

library(plyr)
m<-d1[order(d1$Age, decreasing = TRUE) , ] 
h<-mapply(function(x,y) head(x,y), split(m$Age,m$Gender),y=c(2,3)) 
ldply (h, data.frame)

你只需要更改最终数据框的名称。

- Liliana Pacheco