[心得] dplyr filter and slice

[memphis (讓你喜歡這世界~)]

當你有一個 data.frame (如下)

ID col_a col_b

01    01     2
01    02     1
02    05     3
02    NA     4
03    NA     2
03    NA     3

ID=c('01','01','02','02','03','03')
col_a <- c('01','02','05',NA,NA,NA)
col_b <- c(2,1,3,4,2,3)
m <- data.frame(ID, col_a, col_b, stringsAsFactors=F)

####
1. 想要挑每組 col_a 最小

m %>% group_by(ID) %>% summarize(min_a = min(col_a, na.rm=T))

     ID min_a
  (chr) (chr)
1    01    01
2    02    05
3    03    NA
Warning message:
In min(c(NA_character_, NA_character_), na.rm = TRUE) :
  no non-missing arguments, returning NA


####
2. 想要挑每組 col_a 最小時的 col_b

m %>% group_by(ID) %>% filter(col_a = min(col_a))

Error: filter condition does not evaluate to a logical vector.

m %>% group_by(ID) %>% filter(rank(col_a, ties.method='first')==1)

     ID col_a col_b
  (chr) (chr) (dbl)
1    01    01     2
2    02    05     3
3    03    NA     2

####
3. 想要挑每組 col_a 最小時的 col_b (較快)

m %>% group_by(ID) %>% slice(which.min(col_a))

     ID col_a col_b
  (chr) (chr) (dbl)
1    01    01     2
2    02    05     3


####
歡迎討論各種例外狀況
有些時候取大取小, 只接受數字, 有時候又可以自己轉換
有些時候文字可以比大小, 其中有些格子是空格會無法比, 要轉成NA








--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.109.73.102
※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1451554100.A.516.html
推 k75715: 之前都用filter(row_number(col_a) == 1)
→ memphis: 那是不是要先排序?
推 k75715: 對！不過我之前都是倒序多，所以都用row_number(desc(col_
→ k75715: a))== 1
→ memphis: 我覺得先排序很慢喔  可是我又不像C大這麼熱血測時間
→ celestialgod: rank, which.min都要排序啊...
→ memphis: 印象中好像比 arrange + 抓第一筆來的快
→ celestialgod: 明天測試看看
推 k75715: 我覺得memphis的應該會比較快，which.min應該不用真的排序
→ k75715: 只需要掃過一次就好，但是arrange就一定要排了 :P