如何在R中的数据框中找到列的最大值？

Posted 2023-03-24

【中文标题】如何在R中的数据框中找到列的最大值？

【英文标题】：How to find the highest value of a column in a data frame in R?

【发布时间】：2014-08-04 10:49:37

【问题描述】：

我有以下数据框，我称之为臭氧：

   Ozone Solar.R Wind Temp Month Day
1     41     190  7.4   67     5   1
2     36     118  8.0   72     5   2
3     12     149 12.6   74     5   3
4     18     313 11.5   62     5   4
5     NA      NA 14.3   56     5   5
6     28      NA 14.9   66     5   6
7     23     299  8.6   65     5   7
8     19      99 13.8   59     5   8
9      8      19 20.1   61     5   9

我想从ozone、Solar.R、Wind...中提取最高值...

另外，如果可能的话，我将如何按降序对Solar.R 或此数据框的任何列进行排序

我试过了

max(ozone, na.rm=T)

这给了我数据集中的最高值。

我也试过了

max(subset(ozone,Ozone))

但得到"subset" must be logical."

我可以通过以下命令设置一个对象来保存每一列的子集

ozone <- subset(ozone, Ozone >0)
max(ozone,na.rm=T) 

但它给出了相同的值 334，这是数据框的最大值，而不是列。

任何帮助都会很棒，谢谢。

【问题讨论】：

max(ozone$Ozone) 或 max(subset(ozone,select=Ozone))。你绝对应该看一些关于数据帧列索引的介绍性 R 材料，这是你的基本问题。 （这是一个 coursera 问题，对吧？github.com/ahawker/data-analysis-coursera/blob/master/HW1/hw1.R）

@BenBolker 是的。顺便说一句，您是如何将评论中的部分变灰的。

我使用了反引号``（我确定这里有格式化帮助吗？）

谢谢！我在 github 上关注你，顺便说一句，课程名称现在是 R Programming。它是"Data Specialization Track"

的一部分

@BenBolker：这里有一个link to SO comment formatting - 单击评论框旁边的“帮助”链接始终可用。

【参考方案1】：

类似于colMeans、colSums 等，您可以编写列最大值函数colMax 和列排序函数colSort。

colMax <- function(data) sapply(data, max, na.rm = TRUE)
colSort <- function(data, ...) sapply(data, sort, ...)

我在第二个函数中使用了...，希望能激发你的兴趣。

获取您的数据：

dat <- read.table(h=T, text = "Ozone Solar.R Wind Temp Month Day
1     41     190  7.4   67     5   1
2     36     118  8.0   72     5   2
3     12     149 12.6   74     5   3
4     18     313 11.5   62     5   4
5     NA      NA 14.3   56     5   5
6     28      NA 14.9   66     5   6
7     23     299  8.6   65     5   7
8     19      99 13.8   59     5   8
9      8      19 20.1   61     5   9")

对样本数据使用colMax函数：

colMax(dat)
#  Ozone Solar.R    Wind    Temp   Month     Day 
#   41.0   313.0    20.1    74.0     5.0     9.0

要对单列进行排序，

sort(dat$Solar.R, decreasing = TRUE)
# [1] 313 299 190 149 118  99  19

所有列都使用我们的colSort 函数，

colSort(dat, decreasing = TRUE) ## compare with '...' above

【讨论】：

将整数强制转换为数字，因此lapply 可能更可取。

@Frank - 没错。我不再在这里做太多事情了。随意编辑，我会把它变成一个社区维基

【参考方案2】：

要获得您想要的任何列的最大值：

max(ozone$Ozone, na.rm = TRUE)

要获得所有列的最大值，您需要：

apply(ozone, 2, function(x) max(x, na.rm = TRUE))

然后排序：

ozone[order(ozone$Solar.R),]

或者换个方向排序：

ozone[rev(order(ozone$Solar.R)),]

【讨论】：

获取所有列的最大值，也可以是：apply(ozone, 2, max, na.rm = TRUE)。

【参考方案3】：

这是dplyr 解决方案：

library(dplyr)

# find max for each column
summarise_each(ozone, funs(max(., na.rm=TRUE)))

# sort by Solar.R, descending
arrange(ozone, desc(Solar.R))

更新： summarise_each() 已被弃用，取而代之的是更有特色的函数系列：mutate_all()、mutate_at()、mutate_if()、summarise_all()、summarise_at()、@987654329 @

你可以这样做：

# find max for each column
ozone %>%
         summarise_if(is.numeric, funs(max(., na.rm=TRUE)))%>%
         arrange(Ozone)

或

ozone %>%
         summarise_at(vars(1:6), funs(max(., na.rm=TRUE)))%>%
         arrange(Ozone)

【讨论】：

适用于较新的 R 版本。如果您遇到警告消息：funs() 自 dplyr 0.8.0 起已弃用。请使用函数或 lambda 列表：以下 lambda 代码对我有用：ozone %>% summarise_if(is.numeric, list(~ max(., na.rm=TRUE)))

【参考方案4】：

为了找到每列的最大值，您可以尝试使用apply() 函数：

> apply(ozone, MARGIN = 2, function(x) max(x, na.rm=TRUE))
  Ozone Solar.R    Wind    Temp   Month     Day 
   41.0   313.0    20.1    74.0     5.0     9.0 

【讨论】：

你能详细说明这里发生了什么吗？

当然，请在您的控制台中输入?apply 进行后续操作。该函数具有以下参数：apply(X, MARGIN, FUN, ...)。 X 指的是您的数组，或者在这种情况下是数据框。 MARGIN 指定您希望如何将函数应用于数据框。例如，1 表示行，而2 表示列。 FUN 是您希望在您选择的MARGIN 上应用的功能。上面的答案创建了一个用户定义的函数，该函数在忽略 NA 值的情况下找到最大值。简而言之，答案在忽略 NA 的情况下定位数据框每一列中的最大值。

【参考方案5】：

另一种方法是使用 ?pmax

do.call('pmax', c(as.data.frame(t(ozone)),na.rm=TRUE))
#[1]  41.0 313.0  20.1  74.0   5.0   9.0

【讨论】：

这很简洁（+1），但值得注意的是，转换为“矩阵”然后再转换回“data.frame”很慢，pmax 失去了速度优势。 （出于同样的原因，apply 在“data.frame”上也较慢）。例如。 DF = as.data.frame(matrix(sample(100, 1e6, T), 1e2, 1e4)) ; microbenchmark::microbenchmark(sapply(DF, max), do.call(pmax, as.data.frame(t(DF))), apply(DF, 2, max), unlist(lapply(DF, max)), as.matrix(DF), as.data.frame(t(DF)), times = 20)。附：抱歉，这里有很长的（部分不相关的）评论，但我喜欢pmax :)

【参考方案6】：

max(may$Ozone, na.rm = TRUE)

没有$Ozone会过滤整个数据框，这个可以在swirl库中学习。

我也在 Coursera 上学习这门课程~

【参考方案7】：

有一个包matrixStats 提供了一些函数来做列和行摘要，请参见包vignette，但你必须将你的data.frame 转换为矩阵。

然后你运行：colMaxs(as.matrix(ozone))

【参考方案8】：

假设您在data.frame 中的数据称为maxinozone，您可以这样做

max(maxinozone[1, ], na.rm = TRUE)

【参考方案9】：

max(ozone$Ozone, na.rm = TRUE) 应该可以解决问题。请记住包含na.rm = TRUE，否则 R 将返回 NA。

【参考方案10】：

试试这个解决方案：

Oz<-subset(data, data$Month==5,select=Ozone) # select ozone  value in the month of                 
                                             #May (i.e. Month = 5)
summary(T)                                   #gives caracteristics of table( contains 1 column of Ozone) including max, min ...