Sélectionnez une valeur basée sur la valeur la plus élevée dans une autre colonne.

Question

Je ne comprends pas pourquoi je ne trouve pas de solution pour cela, car je pense que c'est une question assez simple. Besoin de demander de l'aide, alors. Je souhaite réorganiser le jeu de données de qualité d'air par mois avec la valeur de température maximale pour chaque mois. En outre, je veux trouver le jour correspondant pour chaque température maximale mensuelle. Quel est le moyen le plus paresseux (code-sage) de faire cela?

J'ai essayé sans succès suivais:

require(reshape2) 
names(airquality) <- tolower(names(airquality)) 
mm <- melt(airquality, id.vars = c("month", "day"), meas = c("temp")) 

dcast(mm, month + day ~ variable, max) 
aggregate(formula = temp ~ month + day, data = airquality, FUN = max) 

Je suis après quelque chose comme ceci:

month day temp 
5  7 89 
... 

Answer 1

Il y a longtemps que l'on se demandait si être paresseux était bon ou pas. Anwyay, c'est court et naturel d'écrire et de lire (et est rapide pour les grandes données de sorte que vous n'avez pas besoin de changer ou d'optimiser ultérieurement):

require(data.table) 
DT=as.data.table(airquality) 

DT[,.SD[which.max(Temp)],by=Month] 

    Month Ozone Solar.R Wind Temp Day 
[1,]  5 45  252 14.9 81 29 
[2,]  6 NA  259 10.9 93 11 
[3,]  7 97  267 6.3 92 8 
[4,]  8 76  203 9.7 97 28 
[5,]  9 73  183 2.8 93 3 

.SD est le sous-ensemble des données pour chaque groupe, et vous voulez juste la rangée avec le plus grand Temp, iiuc. Si vous avez besoin du numéro de ligne, cela peut être ajouté.

Ou pour obtenir toutes les lignes où le max est lié:

DT[,.SD[Temp==max(Temp)],by=Month] 

    Month Ozone Solar.R Wind Temp Day 
[1,]  5 45  252 14.9 81 29 
[2,]  6 NA  259 10.9 93 11 
[3,]  7 97  267 6.3 92 8 
[4,]  7 97  272 5.7 92 9 
[5,]  8 76  203 9.7 97 28 
[6,]  9 73  183 2.8 93 3 
[7,]  9 91  189 4.6 93 4 

Answer 2

Que diriez-vous avec plyr? Comme vous pouvez le voir, la température maximale pour le mois arrive sur plus d'un jour. Si vous voulez un comportement différent, la fonction est assez facile à régler.

Answer 3

Ou si vous voulez utiliser le package data.table (par exemple, si la vitesse est un problème et l'ensemble de données est grande ou si vous préférez la syntaxe):

library(data.table) 
DT <- data.table(airquality) 
DT[, list(maxTemp=max(Temp), dayMaxTemp=.SD[max(Temp)==Temp, Day]), by="Month"] 

Si vous voulez savoir ce que le .SD est synonyme de, regardez ici: SO

Answer 4

Une autre approche avec plyr

require(reshape2) 
names(airquality) <- tolower(names(airquality)) 
mm <- melt(airquality, id.vars = c("month", "day"), meas = c("temp"), value.name = 'temp') 

library(plyr) 

ddply(mm, .(month), subset, subset = temp == max(temp), select = -variable) 

Donne

month day temp 
1  5 29 81 
2  6 11 93 
3  7 8 92 
4  7 9 92 
5  8 28 97 
6  9 3 93 
7  9 4 93 

Ou, encore plus simple

require(reshape2) 
require(plyr) 
names(airquality) <- tolower(names(airquality)) 
ddply(airquality, .(month), subset, 
    subset = temp == max(temp), select = c(month, day, temp))