প্রতিটি গ্রুপের সর্বাধিক মান সহ সারিটি কীভাবে নির্বাচন করবেন

Question 1

প্রতিটি বিষয়ের জন্য একাধিক পর্যবেক্ষণ সহ একটি ডেটাসেটে আমি প্রতিটি রেকর্ডের জন্য সর্বাধিক ডেটা মান সহ একটি উপসেট নিতে চাই। উদাহরণস্বরূপ, নিম্নলিখিত ডেটাসেট সহ:

ID    <- c(1,1,1,2,2,2,2,3,3)
Value <- c(2,3,5,2,5,8,17,3,5)
Event <- c(1,1,2,1,2,1,2,2,2)

group <- data.frame(Subject=ID, pt=Value, Event=Event)

সাবজেক্ট 1, 2, এবং 3 এর যথাক্রমে 5, 17 এবং 5 এর বৃহত্তম পিটি মান রয়েছে।

আমি কীভাবে প্রথম প্রতিটি বিষয়ের জন্য সবচেয়ে বড় পিটি মান খুঁজে পেতে পারি এবং তারপরে এই পর্যবেক্ষণটিকে অন্য ডেটা ফ্রেমের মধ্যে রেখেছি? ফলাফল ডেটা ফ্রেমের প্রতিটি বিষয়ের জন্য কেবলমাত্র বৃহত্তম pt মান থাকা উচিত।

Question 2

এখানে একটি data.tableসমাধান:

require(data.table) ## 1.9.2
group <- as.data.table(group)

আপনি যদি ptপ্রতিটি গ্রুপের মধ্যে সর্বাধিক মানের সাথে সম্পর্কিত সমস্ত এন্ট্রি রাখতে চান :

group[group[, .I[pt == max(pt)], by=Subject]$V1]
#    Subject pt Event
# 1:       1  5     2
# 2:       2 17     2
# 3:       3  5     2

আপনি যদি প্রথম সর্বাধিক মান চান pt:

group[group[, .I[which.max(pt)], by=Subject]$V1]
#    Subject pt Event
# 1:       1  5     2
# 2:       2 17     2
# 3:       3  5     2

এই ক্ষেত্রে, এটি কোনও পার্থক্য করে না, কারণ আপনার ডেটাতে কোনও গ্রুপের মধ্যে একাধিক সর্বাধিক মান নেই।

Question 3

সর্বাধিক স্বজ্ঞাত পদ্ধতি হ'ল গ্রুপ_বাই এবং টপ_ন ফাংশন ডিপিপ্লায়ারে ব্যবহার করা

    group %>% group_by(Subject) %>% top_n(1, pt)

আপনি যে ফলাফল পাবেন

    Source: local data frame [3 x 3]
    Groups: Subject [3]

      Subject    pt Event
        (dbl) (dbl) (dbl)
    1       1     5     2
    2       2    17     2
    3       3     5     2

Question 4

একটি সংক্ষিপ্ত সমাধান ব্যবহার করে data.table:

setDT(group)[, .SD[which.max(pt)], by=Subject]
#    Subject pt Event
# 1:       1  5     2
# 2:       2 17     2
# 3:       3  5     2

Question 5

আরেকটি বিকল্প হ'ল slice

library(dplyr)
group %>%
     group_by(Subject) %>%
     slice(which.max(pt))
#    Subject    pt Event
#    <dbl> <dbl> <dbl>
#1       1     5     2
#2       2    17     2
#3       3     5     2

Question 6

একটি dplyrসমাধান:

library(dplyr)
ID <- c(1,1,1,2,2,2,2,3,3)
Value <- c(2,3,5,2,5,8,17,3,5)
Event <- c(1,1,2,1,2,1,2,2,2)
group <- data.frame(Subject=ID, pt=Value, Event=Event)

group %>%
    group_by(Subject) %>%
    summarize(max.pt = max(pt))

এটি নিম্নলিখিত ডেটা ফ্রেম দেয়:

  Subject max.pt
1       1      5
2       2     17
3       3      5

Question 7

ইভেন্ট কলামটি সম্পর্কে আপনি কী করতে চেয়েছিলেন তা নিশ্চিত ছিলাম না, তবে আপনি যদি এটি পাশাপাশি রাখতে চান তবে কীভাবে

isIDmax <- with(dd, ave(Value, ID, FUN=function(x) seq_along(x)==which.max(x)))==1
group[isIDmax, ]

#   ID Value Event
# 3  1     5     2
# 7  2    17     2
# 9  3     5     2

এখানে আমরা aveপ্রতিটি "আইডি" এর "মান" কলামটি দেখতে ব্যবহার করি। তারপরে আমরা কোন মানটি সর্বাধিক তা নির্ধারণ করি এবং তারপরে এটিকে একটি লজিকাল ভেক্টরে পরিণত করি আমরা আসল ডেটা.ফ্রেমে সাবসেট করতে ব্যবহার করতে পারি।

Question 8

do.call(rbind, lapply(split(group,as.factor(group$Subject)), function(x) {return(x[which.max(x$pt),])}))

বেস ব্যবহার R

Question 9

{Dplyr} v1.0.0 (মে 2020) যেহেতু সেখানে নতুন slice_*সিনট্যাক্স রয়েছে যা ছাড়িয়ে গেছে top_n()।

Https://dplyr.tidyverse.org/references/slice.html এও দেখুন ।

library(tidyverse)

ID    <- c(1,1,1,2,2,2,2,3,3)
Value <- c(2,3,5,2,5,8,17,3,5)
Event <- c(1,1,2,1,2,1,2,2,2)

group <- data.frame(Subject=ID, pt=Value, Event=Event)

group %>% 
  group_by(Subject) %>% 
  slice_max(pt)
#> # A tibble: 3 x 3
#> # Groups:   Subject [3]
#>   Subject    pt Event
#>     <dbl> <dbl> <dbl>
#> 1       1     5     2
#> 2       2    17     2
#> 3       3     5     2

^{2020-08-18 তারিখে ডিপেক্স প্যাকেজ (v0.3.0.9001) দ্বারা নির্মিত}

সেশন তথ্য

sessioninfo::session_info()
#> ─ Session info ───────────────────────────────────────────────────────────────
#>  setting  value                                      
#>  version  R version 4.0.2 Patched (2020-06-30 r78761)
#>  os       macOS Catalina 10.15.6                     
#>  system   x86_64, darwin17.0                         
#>  ui       X11                                        
#>  language (EN)                                       
#>  collate  en_US.UTF-8                                
#>  ctype    en_US.UTF-8                                
#>  tz       Europe/Berlin                              
#>  date     2020-08-18                                 
#> 
#> ─ Packages ───────────────────────────────────────────────────────────────────
#>  package     * version    date       lib source                            
#>  assertthat    0.2.1      2019-03-21 [1] CRAN (R 4.0.0)                    
#>  backports     1.1.8      2020-06-17 [1] CRAN (R 4.0.1)                    
#>  blob          1.2.1      2020-01-20 [1] CRAN (R 4.0.0)                    
#>  broom         0.7.0      2020-07-09 [1] CRAN (R 4.0.2)                    
#>  cellranger    1.1.0      2016-07-27 [1] CRAN (R 4.0.0)                    
#>  cli           2.0.2      2020-02-28 [1] CRAN (R 4.0.0)                    
#>  colorspace    1.4-1      2019-03-18 [1] CRAN (R 4.0.0)                    
#>  crayon        1.3.4      2017-09-16 [1] CRAN (R 4.0.0)                    
#>  DBI           1.1.0      2019-12-15 [1] CRAN (R 4.0.0)                    
#>  dbplyr        1.4.4      2020-05-27 [1] CRAN (R 4.0.0)                    
#>  digest        0.6.25     2020-02-23 [1] CRAN (R 4.0.0)                    
#>  dplyr       * 1.0.1      2020-07-31 [1] CRAN (R 4.0.2)                    
#>  ellipsis      0.3.1      2020-05-15 [1] CRAN (R 4.0.0)                    
#>  evaluate      0.14       2019-05-28 [1] CRAN (R 4.0.0)                    
#>  fansi         0.4.1      2020-01-08 [1] CRAN (R 4.0.0)                    
#>  forcats     * 0.5.0      2020-03-01 [1] CRAN (R 4.0.0)                    
#>  fs            1.5.0      2020-07-31 [1] CRAN (R 4.0.2)                    
#>  generics      0.0.2      2018-11-29 [1] CRAN (R 4.0.0)                    
#>  ggplot2     * 3.3.2      2020-06-19 [1] CRAN (R 4.0.1)                    
#>  glue          1.4.1      2020-05-13 [1] CRAN (R 4.0.0)                    
#>  gtable        0.3.0      2019-03-25 [1] CRAN (R 4.0.0)                    
#>  haven         2.3.1      2020-06-01 [1] CRAN (R 4.0.0)                    
#>  highr         0.8        2019-03-20 [1] CRAN (R 4.0.0)                    
#>  hms           0.5.3      2020-01-08 [1] CRAN (R 4.0.0)                    
#>  htmltools     0.5.0      2020-06-16 [1] CRAN (R 4.0.1)                    
#>  httr          1.4.2      2020-07-20 [1] CRAN (R 4.0.2)                    
#>  jsonlite      1.7.0      2020-06-25 [1] CRAN (R 4.0.2)                    
#>  knitr         1.29       2020-06-23 [1] CRAN (R 4.0.2)                    
#>  lifecycle     0.2.0      2020-03-06 [1] CRAN (R 4.0.0)                    
#>  lubridate     1.7.9      2020-06-08 [1] CRAN (R 4.0.1)                    
#>  magrittr      1.5        2014-11-22 [1] CRAN (R 4.0.0)                    
#>  modelr        0.1.8      2020-05-19 [1] CRAN (R 4.0.0)                    
#>  munsell       0.5.0      2018-06-12 [1] CRAN (R 4.0.0)                    
#>  pillar        1.4.6      2020-07-10 [1] CRAN (R 4.0.2)                    
#>  pkgconfig     2.0.3      2019-09-22 [1] CRAN (R 4.0.0)                    
#>  purrr       * 0.3.4      2020-04-17 [1] CRAN (R 4.0.0)                    
#>  R6            2.4.1      2019-11-12 [1] CRAN (R 4.0.0)                    
#>  Rcpp          1.0.5      2020-07-06 [1] CRAN (R 4.0.2)                    
#>  readr       * 1.3.1      2018-12-21 [1] CRAN (R 4.0.0)                    
#>  readxl        1.3.1      2019-03-13 [1] CRAN (R 4.0.0)                    
#>  reprex        0.3.0.9001 2020-08-13 [1] Github (tidyverse/reprex@23a3462) 
#>  rlang         0.4.7      2020-07-09 [1] CRAN (R 4.0.2)                    
#>  rmarkdown     2.3.3      2020-07-26 [1] Github (rstudio/rmarkdown@204aa41)
#>  rstudioapi    0.11       2020-02-07 [1] CRAN (R 4.0.0)                    
#>  rvest         0.3.6      2020-07-25 [1] CRAN (R 4.0.2)                    
#>  scales        1.1.1      2020-05-11 [1] CRAN (R 4.0.0)                    
#>  sessioninfo   1.1.1      2018-11-05 [1] CRAN (R 4.0.2)                    
#>  stringi       1.4.6      2020-02-17 [1] CRAN (R 4.0.0)                    
#>  stringr     * 1.4.0      2019-02-10 [1] CRAN (R 4.0.0)                    
#>  styler        1.3.2.9000 2020-07-05 [1] Github (pat-s/styler@51d5200)     
#>  tibble      * 3.0.3      2020-07-10 [1] CRAN (R 4.0.2)                    
#>  tidyr       * 1.1.1      2020-07-31 [1] CRAN (R 4.0.2)                    
#>  tidyselect    1.1.0      2020-05-11 [1] CRAN (R 4.0.0)                    
#>  tidyverse   * 1.3.0      2019-11-21 [1] CRAN (R 4.0.0)                    
#>  utf8          1.1.4      2018-05-24 [1] CRAN (R 4.0.0)                    
#>  vctrs         0.3.2      2020-07-15 [1] CRAN (R 4.0.2)                    
#>  withr         2.2.0      2020-04-20 [1] CRAN (R 4.0.0)                    
#>  xfun          0.16       2020-07-24 [1] CRAN (R 4.0.2)                    
#>  xml2          1.3.2      2020-04-23 [1] CRAN (R 4.0.0)                    
#>  yaml          2.2.1      2020-02-01 [1] CRAN (R 4.0.0)                    
#> 
#> [1] /Users/pjs/Library/R/4.0/library
#> [2] /Library/Frameworks/R.framework/Versions/4.0/Resources/library

Question 10

আরেকটি বেস সমাধান

group_sorted <- group[order(group$Subject, -group$pt),]
group_sorted[!duplicated(group_sorted$Subject),]

# Subject pt Event
#       1  5     2
#       2 17     2
#       3  5     2

pt(অবতরণ) দ্বারা ডেটা ফ্রেম অর্ডার করুন এবং তারপরে সকেট সকেলে সরিয়ে ফেলুনSubject

Question 11

আরও একটি বেস আর সমাধান:

merge(aggregate(pt ~ Subject, max, data = group), group)

  Subject pt Event
1       1  5     2
2       2 17     2
3       3  5     2

Question 12

চরিত্রগুলিতে কাজ করে না বলে এখানে আরও একটি data.tableসমাধান রয়েছেwhich.max

library(data.table)
group <- data.table(Subject=ID, pt=Value, Event=Event)

group[, .SD[order(pt, decreasing = TRUE) == 1], by = Subject]

Question 13

bytapplyডেটা ফ্রেমের জন্য এটি একটি সংস্করণ :

res <- by(group, group$Subject, FUN=function(df) df[which.max(df$pt),])

এটি শ্রেণীর কোনও বস্তু ফেরত দেয় byতাই আমরা এটিকে ডেটা ফ্রেমে রূপান্তর করি:

do.call(rbind, b)
  Subject pt Event
1       1  5     2
2       2 17     2
3       3  5     2

Question 14

ইন বেস আপনি ব্যবহার করতে পারেন aveপেতে maxএবং সঙ্গে এই তুলনা গ্রুপ প্রতি ptএবং উপসেট করার জন্য একটি লজিক্যাল ভেক্টর পেতে data.frame।

group[group$pt == ave(group$pt, group$Subject, FUN=max),]
#  Subject pt Event
#3       1  5     2
#7       2 17     2
#9       3  5     2

অথবা এটি ইতিমধ্যে ফাংশনে তুলনা করুন।

group[as.logical(ave(group$pt, group$Subject, FUN=function(x) x==max(x))),]
#group[ave(group$pt, group$Subject, FUN=function(x) x==max(x))==1,] #Variant
#  Subject pt Event
#3       1  5     2
#7       2 17     2
#9       3  5     2

Question 15

অন্য data.tableবিকল্প:

library(data.table)
setDT(group)
group[group[order(-pt), .I[1L], Subject]$V1]

বা অন্য (কম পাঠযোগ্য তবে কিছুটা দ্রুত):

group[group[, rn := .I][order(Subject, -pt), {
    rn[c(1L, 1L + which(diff(Subject)>0L))]
}]]

সময় কোড:

library(data.table)
nr <- 1e7L
ng <- nr/4L
set.seed(0L)
DT <- data.table(Subject=sample(ng, nr, TRUE), pt=1:nr)#rnorm(nr))
DT2 <- copy(DT)


microbenchmark::microbenchmark(times=3L,
    mtd0 = {a0 <- DT[DT[, .I[which.max(pt)], by=Subject]$V1]},
    mtd1 = {a1 <- DT[DT[order(-pt), .I[1L], Subject]$V1]},
    mtd2 = {a2 <- DT2[DT2[, rn := .I][
        order(Subject, -pt), rn[c(TRUE, diff(Subject)>0L)]
    ]]},
    mtd3 = {a3 <- unique(DT[order(Subject, -pt)], by="Subject")}
)
fsetequal(a0[order(Subject)], a1[order(Subject)])
#[1] TRUE
fsetequal(a0[order(Subject)], a2[, rn := NULL][order(Subject)])
#[1] TRUE
fsetequal(a0[order(Subject)], a3[order(Subject)])
#[1] TRUE

সময়:

Unit: seconds
 expr      min       lq     mean   median       uq      max neval
 mtd0 3.256322 3.335412 3.371439 3.414502 3.428998 3.443493     3
 mtd1 1.733162 1.748538 1.786033 1.763915 1.812468 1.861022     3
 mtd2 1.136307 1.159606 1.207009 1.182905 1.242359 1.301814     3
 mtd3 1.123064 1.166161 1.228058 1.209257 1.280554 1.351851     3

Question 16

আরেকটি data.tableসমাধান:

library(data.table)
setDT(group)[, head(.SD[order(-pt)], 1), by = .(Subject)]

Question 17

আপনি যদি কোনও বিষয়ের জন্য সবচেয়ে বড় পিটি মান চান, আপনি কেবল ব্যবহার করতে পারেন:

   pt_max = as.data.frame(aggregate(pt~Subject, group, max))