Dplyr filter: Получить строки с минимальной переменной, но только первые, если несколько минимумов

Я хочу создать сгруппированный фильтр, используя dplyr, таким образом, чтобы в каждой группе возвращалась только эта строка, которая имеет минимальное значение переменной x.

Моя проблема: как и ожидалось, в случае нескольких минимумов возвращаются все строки с минимальным значением. Но в моем случае я хочу только первую строку, если присутствует несколько минимумов.

Вот пример:

df <- data.frame(
A=c("A", "A", "A", "B", "B", "B", "C", "C", "C"),
x=c(1, 1, 2, 2, 3, 4, 5, 5, 5),
y=rnorm(9)
)

library(dplyr)
df.g <- group_by(df, A)
filter(df.g, x == min(x))

Как и ожидалось, возвращаются все минимумы:

Source: local data frame [6 x 3]
Groups: A

  A x           y
1 A 1 -1.04584335
2 A 1  0.97949399
3 B 2  0.79600971
4 C 5 -0.08655151
5 C 5  0.16649962
6 C 5 -0.05948012

С ddply я бы подошел к задаче таким образом:

library(plyr)
ddply(df, .(A), function(z) {
    z[z$x == min(z$x), ][1, ]
})

... который работает:

  A x           y
1 A 1 -1.04584335
2 B 2  0.79600971
3 C 5 -0.08655151

Q: Есть ли способ приблизиться к этому в dplyr? (по причинам скорости)

Ответ 1

Только для полноты: здесь окончательное решение dplyr, полученное из комментариев @hadley и @Arun:

library(dplyr)
df.g <- group_by(df, A)
filter(df.g, rank(x, ties.method="first")==1)

Ответ 2

Update

С dplyr >= 0.3 вы можете использовать функцию slice в сочетании с which.min, что было бы моим любимым подходом для этой задачи:

df %>% group_by(A) %>% slice(which.min(x))
#Source: local data frame [3 x 3]
#Groups: A
#
#  A x          y
#1 A 1  0.2979772
#2 B 2 -1.1265265
#3 C 5 -1.1952004

Оригинальный ответ

Для данных образца также можно использовать два filter друг за другом:

group_by(df, A) %>% 
  filter(x == min(x)) %>% 
  filter(1:n() == 1)

Ответ 3

Для чего это стоит, вот решение data.table, тем, кто может быть заинтересован:

# approach with setting keys
dt <- as.data.table(df)
setkey(dt, A,x)
dt[J(unique(A)), mult="first"]

# without using keys
dt <- as.data.table(df)
dt[dt[, .I[which.min(x)], by=A]$V1]

Ответ 4

Это можно сделать, используя row_number в сочетании с group_by. row_number обрабатывает связи, присваивая ранг не только значением, но и относительным порядком в векторе. Чтобы получить первую строку каждой группы с минимальным значением x:

df.g <- group_by(df, A)
filter(df.g, row_number(x) == 1)

Для получения дополнительной информации см. виньетку dplyr на функциях окна.

Ответ 5

Мне нравится sqldf для его простоты.

sqldf("select A,min(X),y from 'df.g' group by A")

Вывод:

A min(X)          y

1 A      1 -1.4836989

2 B      2  0.3755771

3 C      5  0.9284441

Ответ 6

Другой способ сделать это:

set.seed(1)
x <- data.frame(a = rep(1:2, each = 10), b = rnorm(20))
x <- dplyr::arrange(x, a, b)
dplyr::filter(x, !duplicated(a))

Результат:

  a          b
1 1 -0.8356286
2 2 -2.2146999

Также может быть легко адаптирована для получения строки в каждой группе с максимальным значением.