R中的聚合函数同时使用两列

Posted 2023-02-16

【中文标题】R中的聚合函数同时使用两列

【英文标题】：Aggregate function in R using two columns simultaneously

【发布时间】：2016-09-07 12:17:15

【问题描述】：

数据：-

df=data.frame(Name=c("John","John","Stacy","Stacy","Kat","Kat"),Year=c(2016,2015,2014,2016,2006,2006),Balance=c(100,150,65,75,150,10))

   Name Year Balance
1  John 2016     100
2  John 2015     150
3 Stacy 2014      65
4 Stacy 2016      75
5   Kat 2006     150
6   Kat 2006      10

代码：-

aggregate(cbind(Year,Balance)~Name,data=df,FUN=max )

输出：-

   Name Year Balance
1  John 2016     150
2   Kat 2006     150
3 Stacy 2016      75

我想使用 Year 和 Balance 两列来聚合/汇总上述数据框。我使用基本函数 aggregate 来执行此操作。我需要最近一年/最近一年的最大余额。输出的第一行，John 有最近的一年 (2016) 但余额是 (2015) ，这不是我需要的，它应该输出 100 而不是 150。我在哪里出错了？

【参考方案1】：

有点讽刺的是，aggregate 是一个糟糕的聚合工具。你可以让它工作，但我会这样做：

library(data.table)

setDT(df)[order(-Year, -Balance), .SD[1], by = Name]
#    Name Year Balance
#1:  John 2016     100
#2: Stacy 2016      75
#3:   Kat 2006     150

【参考方案2】：

我会建议使用库 dplyr：

data.frame(Name=c("John","John","Stacy","Stacy","Kat","Kat"),
           Year=c(2016,2015,2014,2016,2006,2006),
           Balance=c(100,150,65,75,150,10)) %>% #create the dataframe
    tbl_df() %>% #convert it to dplyr format
    group_by(Name, Year) %>% #group it by Name and Year
    summarise(maxBalance=max(Balance)) %>% # calculate the maximum for each group
    group_by(Name) %>% # group the resulted dataframe by Name
    top_n(1,maxBalance) # return only the first record of each group

【讨论】：

不错，但我会使用@eddi 答案的副本：df %>% group_by(Name) %>% arrange(desc(Year),desc(Balance)) %>% filter(1)

@MaratTalipov 不错的答案！

【参考方案3】：

这是另一个没有 data.table 包的解决方案。

先对数据框进行排序，

df <- df[order(-df$Year, -df$Balance),]

然后选择每个组中同名的第一个

df[!duplicated[df$Name],]