按组选择数据框中的第一行和最后一行
按组选择数据框中的第一行和最后一行
提问于 2011-11-21 02:52:31
如何为以下数据帧中的每个唯一id选择第一行和最后一行？
tmp <- structure(list(id = c(15L, 15L, 15L, 15L, 21L, 21L, 22L, 22L,
22L, 23L, 23L, 23L, 24L, 24L, 24L, 24L), d = c(1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), gr = c(2L, 1L,
1L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 1L, 2L), mm = c(3.4,
4.9, 4.4, 5.5, 4, 3.8, 4, 4.9, 4.6, 2.7, 4, 3, 3, 2, 4, 2), area = c(1L,
2L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 2L, 3L)), .Names = c("id",
"d", "gr", "mm", "area"), class = "data.frame", row.names = c(NA,
-16L))
tmp
#> id d gr mm area
#> 1 15 1 2 3.4 1
#> 2 15 1 1 4.9 2
#> 3 15 1 1 4.4 1
#> 4 15 1 1 5.5 2
#> 5 21 1 1 4.0 2
#> 6 21 1 2 3.8 2
#> 7 22 1 1 4.0 2
#> 8 22 1 1 4.9 2
#> 9 22 1 2 4.6 2
#> 10 23 1 1 2.7 2
#> 11 23 1 1 4.0 2
#> 12 23 1 2 3.0 2
#> 13 24 1 1 3.0 2
#> 14 24 1 1 2.0 3
#> 15 24 1 1 4.0 2
#> 16 24 1 2 2.0 3回答 4
Stack Overflow用户
回答已采纳
发布于 2011-11-21 03:04:59
plyr解决方案(tmp是您的数据框架)：
library("plyr")
ddply(tmp, .(id), function(x) x[c(1, nrow(x)), ])
# id d gr mm area
# 1 15 1 2 3.4 1
# 2 15 1 1 5.5 2
# 3 21 1 1 4.0 2
# 4 21 1 2 3.8 2
# 5 22 1 1 4.0 2
# 6 22 1 2 4.6 2
# 7 23 1 1 2.7 2
# 8 23 1 2 3.0 2
# 9 24 1 1 3.0 2
# 10 24 1 2 2.0 3library("dplyr")
tmp %>%
group_by(id) %>%
slice(c(1, n())) %>%
ungroup()
# # A tibble: 10 × 5
# id d gr mm area
# <int> <int> <int> <dbl> <int>
# 1 15 1 2 3.4 1
# 2 15 1 1 5.5 2
# 3 21 1 1 4.0 2
# 4 21 1 2 3.8 2
# 5 22 1 1 4.0 2
# 6 22 1 2 4.6 2
# 7 23 1 1 2.7 2
# 8 23 1 2 3.0 2
# 9 24 1 1 3.0 2
# 10 24 1 2 2.0 3Stack Overflow用户
发布于 2011-11-21 21:42:37
快速而简短的data.table解决方案：
tmp[, .SD[c(1,.N)], by=id]其中.SD表示(D)ata的每个(S)子集，.N是每个组中的行数，tmp是data.table；例如，由fread()默认提供或通过使用setDT()转换data.frame来提供。
请注意，如果一个组只包含一行，该行将在输出中出现两次，因为该行既是该组的第一行，也是最后一行。为了避免这种情况下的重复，感谢@Thell：
tmp[, .SD[unique(c(1,.N))], by=id]或者，下面的代码为.N==1特殊情况提供了明确的逻辑：
tmp[, if (.N==1) .SD else .SD[c(1,.N)], by=id]您不需要在if的第一部分中使用.SD[1]，因为在这种情况下，.N为1，所以.SD必须只有一行。
如果愿意，您可以将j包装在{}中，并在{}中包含整个代码页面。只要{}中的最后一个表达式返回一个要堆叠的类似list的对象(比如普通的list、data.table或data.frame)。
tmp[, { ...; if (.N==1) .SD else .SD[c(1,.N)] } , by=id]Stack Overflow用户
发布于 2020-02-28 15:57:19
另一种利用dplyr的方法可以是：
tmp %>%
group_by(id) %>%
filter(1:n() %in% range(1:n()))
id d gr mm area
<int> <int> <int> <dbl> <int>
1 15 1 2 3.4 1
2 15 1 1 5.5 2
3 21 1 1 4 2
4 21 1 2 3.8 2
5 22 1 1 4 2
6 22 1 2 4.6 2
7 23 1 1 2.7 2
8 23 1 2 3 2
9 24 1 1 3 2
10 24 1 2 2 3或者与使用row_number()的想法相同
tmp %>%
group_by(id) %>%
filter(row_number() %in% range(row_number()))或者使用slice()执行操作
tmp %>%
group_by(id) %>%
slice(c(which.min(1:n()), which.max(1:n())))页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/8203818
复制相关文章
相似问题