dplyr filter: Ruft Zeilen mit einem Minimum an Variablen ab, aber nur die ersten, wenn mehrere Minima vorhanden sind

Ich möchte einen gruppierten Filter so erstellen dplyr, dass innerhalb jeder Gruppe nur die Zeile zurückgegeben wird, die den Mindestwert der Variablen hat x.

Mein Problem ist: Wie erwartet werden bei mehreren Minima alle Zeilen mit dem Mindestwert zurückgegeben. In meinem Fall möchte ich die erste Zeile jedoch nur, wenn mehrere Minima vorhanden sind.

Hier ist ein Beispiel:

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))

Wie erwartet werden alle Minima zurückgegeben:

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

Mit ddply hätte ich die Aufgabe folgendermaßen angegangen:

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

... was funktioniert:

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

F: Gibt es eine Möglichkeit, dies in dplyr anzugehen? (Aus Geschwindigkeitsgründen)

Aktualisieren

Mit dplyr> = 0.3 können Sie die sliceFunktion in Kombination mit verwenden which.min, was mein Lieblingsansatz für diese Aufgabe wäre:

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

Ursprüngliche Antwort

Für die Beispieldaten können auch zwei filternacheinander verwendet werden:

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

Nur dplyrder Vollständigkeit halber: Hier ist die endgültige Lösung, abgeleitet aus den Kommentaren von @hadley und @Arun:

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

Für das, was es wert ist, ist hier eine data.tableLösung für diejenigen, die interessiert sein könnten:

# 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]

Dies kann erreicht werden, indem in row_numberKombination mit verwendet wird group_by. row_numberBehandelt Bindungen, indem ein Rang nicht nur nach dem Wert, sondern auch nach der relativen Reihenfolge innerhalb des Vektors zugewiesen wird. So erhalten Sie die erste Zeile jeder Gruppe mit dem Mindestwert x:

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

Weitere Informationen finden Sie in der dplyr- Vignette zu Fensterfunktionen .

Ein anderer Weg, es zu tun:

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))

Ergebnis:

  a          b
1 1 -0.8356286
2 2 -2.2146999

Könnte auch leicht angepasst werden, um die Zeile in jeder Gruppe mit maximalem Wert zu erhalten.

Ich mag sqldf wegen seiner Einfachheit.

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

Ausgabe:

A min(X)          y

1 A      1 -1.4836989

2 B      2  0.3755771

3 C      5  0.9284441

Kam hierher und suchte nach einer Möglichkeit, dies mit mehr als einer zu tun. Dies wird die untersten zehn geben und die Bindungen bis zum letzten brechen, glaube ich

df.g %>%
top_n(-10,row_number(x))