Выберите первую и последнюю строку из сгруппированных данных
Вопрос
Используя dplyr , как выбрать верхний и нижний наблюдения / строки сгруппированных данных в одном выражении?
Данные и пример
- ggplot2 - аннотировать вне участка
- Вставить строки для отсутствующих дат / раз
- Как затенять область под кривой, используя ggplot2
- Заменить символы с помощью gsub, как создать функцию?
- Как найти длину строки в R?
Учитывая структуру данных
df <- data.frame(id=c(1,1,1,2,2,2,3,3,3), stopId=c("a","b","c","a","b","c","a","b","c"), stopSequence=c(1,2,3,3,1,4,3,1,2))
Я могу получить верхние и нижние наблюдения из каждой группы, используя slice , но используя две отдельные записи:
firstStop % group_by(id) %>% arrange(stopSequence) %>% slice(1) %>% ungroup lastStop % group_by(id) %>% arrange(stopSequence) %>% slice(n()) %>% ungroup
Могу ли я объединить эти два statmenets в один, который выбирает как верхние, так и нижние наблюдения?
- Анализ ежедневных / недельных данных с использованием ts в R
- Как рассчитать количество появления заданного символа в каждой строке столбца строк?
- Как определить правильную кодировку для read.csv?
- Подзаголовок вне границ - общее определение и решение?
- Указание colClasses в read.csv
- Понимание, когда data.table является ссылкой на (по сравнению с копией) другой data.table
- Удалите пространство между полосками ggplot2
- Объединение `expression ()` с `\ n`
Вероятно, существует более быстрый способ:
df %>% group_by(id) %>% arrange(stopSequence) %>% filter(row_number()==1 | row_number()==n())
Просто для полноты: вы можете передать slice вектора индексов:
df %>% arrange(stopSequence) %>% group_by(id) %>% slice(c(1,n()))
который дает
id stopId stopSequence 1 1 a 1 2 1 c 3 3 2 b 1 4 2 c 4 5 3 b 1 6 3 a 3
Не dplyr , но гораздо более прямое использование data.table :
library(data.table) setDT(df) df[ df[order(id, stopSequence), .I[c(1L,.N)], by=id]$V1 ] # id stopId stopSequence # 1: 1 a 1 # 2: 1 c 3 # 3: 2 b 1 # 4: 2 c 4 # 5: 3 b 1 # 6: 3 a 3
Более подробное объяснение:
# 1) get row numbers of first/last observations from each group # * basically, we sort the table by id/stopSequence, then, # grouping by id, name the row numbers of the first/last # observations for each id; since this operation produces # a data.table # * .I is data.table shorthand for the row number # * here, to be maximally explicit, I've named the variable V1 # as row_num to give other readers of my code a clearer # understanding of what operation is producing what variable first_last = df[order(id, stopSequence), .(row_num = .I[c(1L,.N)]), by=id] idx = first_last$row_num # 2) extract rows by number df[idx]
Обязательно ознакомьтесь с Вики- data.table Getting Started для получения data.table
Что-то вроде:
library(dplyr) df <- data.frame(id=c(1,1,1,2,2,2,3,3,3), stopId=c("a","b","c","a","b","c","a","b","c"), stopSequence=c(1,2,3,3,1,4,3,1,2)) first_last <- function(x) { bind_rows(slice(x, 1), slice(x, n())) } df %>% group_by(id) %>% arrange(stopSequence) %>% do(first_last(.)) %>% ungroup ## Source: local data frame [6 x 3] ## ## id stopId stopSequence ## 1 1 a 1 ## 2 1 c 3 ## 3 2 b 1 ## 4 2 c 4 ## 5 3 b 1 ## 6 3 a 3
С помощью вы можете в значительной степени выполнять любое количество операций в группе, но ответ @ jeremycg более подходит для этой задачи.
Я знаю вопрос, заданный dplyr . Но, поскольку другие уже размещали решения с использованием других пакетов, я решил пойти и с другими пакетами:
Базовый пакет:
df <- df[with(df, order(id, stopSequence, stopId)), ] merge(df[!duplicated(df$id), ], df[!duplicated(df$id, fromLast = TRUE), ], all = TRUE)
Таблица данных:
df <- setDT(df) df[order(id, stopSequence)][, .SD[c(1,.N)], by=id]
sqldf:
library(sqldf) min <- sqldf("SELECT id, stopId, min(stopSequence) AS StopSequence FROM df GROUP BY id ORDER BY id, StopSequence, stopId") max <- sqldf("SELECT id, stopId, max(stopSequence) AS StopSequence FROM df GROUP BY id ORDER BY id, StopSequence, stopId") sqldf("SELECT * FROM min UNION SELECT * FROM max")
В одном запросе:
sqldf("SELECT * FROM (SELECT id, stopId, min(stopSequence) AS StopSequence FROM df GROUP BY id ORDER BY id, StopSequence, stopId) UNION SELECT * FROM (SELECT id, stopId, max(stopSequence) AS StopSequence FROM df GROUP BY id ORDER BY id, StopSequence, stopId)")
Вывод:
id stopId StopSequence 1 1 a 1 2 1 c 3 3 2 b 1 4 2 c 4 5 3 a 3 6 3 b 1