Anwenden von group_by und Zusammenfassen von Daten unter Beibehaltung aller Spalten Info

Question

Ich habe einen großen Datensatz mit 22000 Zeilen und 25 Spalten. Ich versuche, meinen Datensatz basierend auf einer der Spalten zu gruppieren und den minimalen Wert der anderen Spalte basierend auf dem gruppierten Datensatz zu ermitteln. Das Problem ist jedoch, dass es mir nur zwei Spalten gibt, die die gruppierte Spalte und die Spalte mit dem Min-Wert enthalten ... aber ich benötige alle Informationen anderer Spalten, die sich auf die Zeilen mit den Min-Werten beziehen. Hier ist ein einfaches Beispiel nur um es reproduzierbar:

data<- data.frame(a=1:10, b=c("a","a","a","b","b","c","c","d","d","d"), c=c(1.2, 2.2, 2.4, 1.7, 2.7, 3.1, 3.2, 4.2, 3.3, 2.2), d= c("small", "med", "larg", "larg", "larg", "med", "small", "small", "small", "med")) 

    d<- data %>% 
    group_by(b) %>% 
    summarise(min_values= min(c)) 
    d 
    b min_values 
    1 a  1.2 
    2 b  1.7 
    3 c  3.1 
    4 d  2.2 

Also, ich brauche auch Spalten, die Informationen haben im Zusammenhang a und d, aber da ich Doppelungen in den Werten in Spalte c haben kann ich nicht fusionieren Sie basieren auf der Spalte min_value ... Ich habe mich gefragt, ob es möglich ist, die Informationen anderer Spalten beizubehalten, wenn wir das dplyr-Paket verwenden.

Ich habe hier eine Erklärung gefunden "dplyr: group_by, subset and summarise" und hier "Finding percentage in a sub-group using group_by and summarise" aber keine der Adressen mein Problem.

Answer 1

Hier sind zwei Möglichkeiten: a) filter verwenden und b) slice von dplyr. In diesem Fall gibt es keine doppelten Mindestwerte in der Spalte c für irgendeine der Gruppen, und daher sind die Ergebnisse von a) und b) dieselben. Wenn doppelte Minima wären, würde Ansatz a) jedes Minima pro Gruppe zurückgeben, während b) nur ein Minimum (das erste) in jeder Gruppe zurückgeben würde.

a)

> data %>% group_by(b) %>% filter(c == min(c)) 
#Source: local data frame [4 x 4] 
#Groups: b 
# 
# a b c  d 
#1 1 a 1.2 small 
#2 4 b 1.7 larg 
#3 6 c 3.1 med 
#4 10 d 2.2 med 

oder auf ähnliche Weise

> data %>% group_by(b) %>% filter(min_rank(c) == 1L) 
#Source: local data frame [4 x 4] 
#Groups: b 
# 
# a b c  d 
#1 1 a 1.2 small 
#2 4 b 1.7 larg 
#3 6 c 3.1 med 
#4 10 d 2.2 med 

b)

> data %>% group_by(b) %>% slice(which.min(c)) 
#Source: local data frame [4 x 4] 
#Groups: b 
# 
# a b c  d 
#1 1 a 1.2 small 
#2 4 b 1.7 larg 
#3 6 c 3.1 med 
#4 10 d 2.2 med 

Answer 2

Sie können group_by ohne summarize verwenden:

data %>% 
    group_by(b) %>% 
    mutate(min_values = min(c)) %>% 
    ungroup() 

Answer 3

Mit sqldf:

library(sqldf) 
# Two options: 
sqldf('SELECT * FROM data GROUP BY b HAVING min(c)') 
sqldf('SELECT a, b, min(c) min, d FROM data GROUP BY b') 

Ausgang:

a b c  d 
1 1 a 1.2 small 
2 4 b 1.7 larg 
3 6 c 3.1 med 
4 10 d 2.2 med