制作一个表格，显示R语言中某个变量的前10个最大值？

Question

制作一个表格，显示R语言中某个变量的前10个最大值？

14

我想制作一个简单的表格，展示数据集中给定变量的前10个最大值，以及每个观察值的其他4个变量，因此基本上是数据的一个小子集。它会看起来像这样：

Score  District  Age  Group  Gender
17     B         23    Red   1
12     A         61    Red   0
11.7   A         18    Blue  0
10     B         18    Red   0
.
.
etc.

通过 Score 变量对数据进行排序，所有数据都包含在同一个数据框中。

- nikUoM

它是否按Var4分组？预期输出是什么？ - akrun

嗨@akrun，预期的输出与我在框中编写的内容非常相似，只是行数从4行变成了10行。Var1可以是类似于测试分数之类的东西，而var2-var5将是人口统计数据，例如var2=区域，var3=年龄，var4=班级，var5=性别。 - nikUoM

最好也展示一下，因为描述可能会让人感到困惑。抱歉，我不明白你想要什么。 - akrun

更新了变量名称。 - nikUoM

你想要根据“分数”按“组”分组的前10行吗？ - akrun

我基本上只想在数据集中获取前10个最大的分数值，并包括其他4个变量作为参考。没有分组变量。 - nikUoM

5个回答

15

这应该可以解决...

data <- data[with(data,order(-分数)),]

data <- data[1:10,]

- Gaurav

太棒了，这个有效！非常感谢。在R中，括号似乎与Stata中的替换命令有着相似的功能。 - nikUoM

4

也许你可以将其简化为 head(data[order(-data$Score),], 10)。该代码会返回按Score从高到低排名的前10个数据行。 - David Arenburg

2

从 dplyr 的版本 1.0.0 开始，我们可以使用 slice_max 函数。

library(dplyr)

mtcars %>% slice_max(mpg, n = 4)

#                mpg cyl disp  hp drat    wt  qsec vs am gear carb
#Toyota Corolla 33.9   4 71.1  65 4.22 1.835 19.90  1  1    4    1
#Fiat 128       32.4   4 78.7  66 4.08 2.200 19.47  1  1    4    1
#Honda Civic    30.4   4 75.7  52 4.93 1.615 18.52  1  1    4    2
#Lotus Europa   30.4   4 95.1 113 3.77 1.513 16.90  1  1    5    2

默认情况下，如果存在并列的行，它们也会被选中。如果您想忽略并列的行，严格返回 n 行，请使用 with_ties = FALSE。

- Ronak Shah

2

您可以使用以下代码获取向量的最高值：

my_vec <- c(1:100)
tail(sort(my_vec),10)

如果你想将这种方法用作数据框过滤器，可以这样做：

data(mtcars)
mtcars[mtcars$mpg %in% tail(sort(mtcars$mpg),4),]

这将产生：

> mtcars[mtcars$mpg %in% tail(sort(mtcars$mpg),4),]
                mpg cyl disp  hp drat    wt  qsec vs am gear carb
Fiat 128       32.4   4 78.7  66 4.08 2.200 19.47  1  1    4    1
Honda Civic    30.4   4 75.7  52 4.93 1.615 18.52  1  1    4    2
Toyota Corolla 33.9   4 71.1  65 4.22 1.835 19.90  1  1    4    1
Lotus Europa   30.4   4 95.1 113 3.77 1.513 16.90  1  1    5    2

- Konrad

1

使用 sqldf：

library(sqldf)
sqldf("SELECT * FROM mtcars 
      ORDER BY mpg DESC 
      LIMIT 10", row.names = TRUE)

输出：

               mpg cyl  disp  hp drat    wt  qsec vs am gear carb
Toyota Corolla 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
Fiat 128       32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
Honda Civic    30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
Lotus Europa   30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
Fiat X1-9      27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
Porsche 914-2  26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
Merc 240D      24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
Datsun 710     22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
Merc 230       22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
Toyota Corona  21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1

- mpalanco

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

- akrun · Accepted Answer

你可以使用dplyr中的arrange实现此操作。如果有分组变量，这也应该起作用。只需在arrange之前添加group_by即可。我们使用slice过滤了前10个观测值。

 library(dplyr)
 df1 %>%
    arrange(desc(Score)) %>%
    slice(1:10)

或者另一个选择是 ?top_n （由@docendodiscimus评论），它来自dplyr，它是一个包装器，使用filter和min_rank来选择前n（即10）个“分数”条目。

 top_n(df1, 10, Score)

或者我们使用filter，通过创建一个逻辑条件与row_number结合使用，该函数等同于rank(ties.method='first')（由@Steven Beaupre提供）

 filter(df1, row_number(desc(Score)) <= 10)

还有一个使用data.table的选项（由@David Arenburg提出）。我们将“data.frame”转换为“data.table”（setDT(df1)），按照“Score”变量（降序）order，并选择前10个观测值。 .SD表示DataTable子集。

 library(data.table)
 setDT(df1)[order(-Score), .SD[1:10]]