提取 data.frame 中与另一个 data.frame 中的值匹配的所有 row.names

Question

我有一个包含 150 个列名的 data.frame。对于每一列，我想提取最大值和最小值（行重复）以及每个最大值的行名称。我在另一个 data.frame 中提取了最小值和最大值，但不知道如何匹配它们。

我找到了与此非常接近的函数，例如最小值：

head(cars)
  speed dist
1     4    2
2     4   10
3     7    4
4     7   22
5     8   16
6     9   10

sapply(cars,which.min)

speed  dist 
    1     1

这里只给出最低速度的第一个指标

我试过像这样的循环：

for (i in (colnames(cars))){
  print(min(cars[[i]]))
}


[1] 4
[1] 2

但这只是给我最小值，而不是如果它们重复以及每个重复值的行名。

我想要这样的东西：

min.value  column  rowname   freq.times
4          speed      1,2        2
2          dist       1          1

谢谢，如果我有拼写错误，请见谅。没有母语人士

Answer 1

min.value <- sapply(cars, min)
columns <- names(min.value)
row.values <- sapply(columns, \(x) which(cars[[x]] == min.value[which(names(min.value) == x)]))
freq.times <- sapply(row.values, length)
row.values <- sapply(row.values, \(x) paste(x, collapse = ","))
names(min.value) <- names(row.values) <- names(freq.times) <- NULL

data.frame(min.value = min.value,
           columns = columns,
           row.values = row.values, 
           freq.times = freq.times)

  min.value columns row.values freq.times
1         4   speed        1,2          2
2         2    dist          1          1

这里它被包装在函数中，这样你就可以在任何你需要的数据框和函数中使用它：

create_table <- function(df, FUN) {
  values <- sapply(df, FUN)
  columns <- names(values)
  row.values <- sapply(columns, \(x) which(df[[x]] == values[which(names(values) == x)]))
  freq.times <- sapply(row.values, length)
  row.values <- sapply(row.values, \(x) paste(x, collapse = ","))
  names(values) <- names(row.values) <- names(freq.times) <- NULL
  
  data.frame(values = values,
             columns = columns,
             row.values = row.values, 
             freq.times = freq.times)
}

create_table(cars, min)
  values columns row.values freq.times
1      4   speed        1,2          2
2      2    dist          1          1

create_table(cars, max)
  values columns row.values freq.times
1     25   speed         50          1
2    120    dist         49          1

Answer 2

一种选择是使用 tidyverse。我有点不清楚你是否想在同一个数据框中使用 min 和 max，所以我将两者都包括在内。首先，我创建了一个带有行号的索引列。然后，我转向长格式以确定哪些值是最小值和最大值（使用 case_when）。然后，我删除不是最小值或最大值的行（即类别中的 NA）。然后，我使用 summarise 将行名称转换为单个字符串并获取给定最小值或最大值的频率。

library(tidyverse)

cars %>%
  mutate(rowname = row_number()) %>%
  pivot_longer(-rowname, names_to = "column", values_to = "value") %>%
  group_by(column) %>%
  mutate(category = case_when((value == min(value)) == TRUE ~ "min",
                              (value == max(value)) == TRUE ~ "max")) %>%
  drop_na(category) %>%
  group_by(column, value, category) %>%
  summarise(rowname = toString(rowname), freq.times = n()) %>% 
  select(2:3, 1, 4, 5)

输出

# A tibble: 4 × 5
# Groups:   column, value [4]
  value category column rowname freq.times
  <dbl> <chr>    <chr>  <chr>        <int>
1     2 min      dist   1                1
2   120 max      dist   49               1
3     4 min      speed  1, 2             2
4    25 max      speed  50               1

但是，如果您想单独生成数据帧。然后，你可以调整这样的东西。在这里，我不使用 category 而是使用 filter 来删除所有不是 group/column 的最小值的行。然后，我们可以像上面那样summarise。您也可以对 max 做同样的事情。

cars %>%
  mutate(rowname = row_number()) %>%
  pivot_longer(-rowname, names_to = "column", values_to = "min.value") %>%
  group_by(column) %>%
  filter(min.value == min(min.value)) %>%
  group_by(column, min.value) %>%
  summarise(rowname = toString(rowname), freq.times = n()) %>% 
  select(2, 1, 3, 4)

输出

# A tibble: 2 × 4
# Groups:   column [2]
  min.value column rowname freq.times
      <dbl> <chr>  <chr>        <int>
1         2 dist   1                1
2         4 speed  1, 2             2

Answer 3

您可以使用which获取位置。 sapply 应该可以。由于每一列都需要多个汇总统计信息，因此只需将它们包含在一个列表中即可。像这样

as.data.frame(sapply(cars, \(x) {
  extrema <- range(x)
  min.row <- which(x == extrema[[1L]])
  max.row <- which(x == extrema[[2L]])
  list(
    min.value = extrema[[1L]], max.value = extrema[[2L]],
    min.row = min.row, max.row = max.row, 
    freq.min = length(min.row), freq.max = length(max.row)
  )
}))

输出

          speed dist
min.value     4    2
max.value    25  120
min.row    1, 2    1
max.row      50   49
freq.min      2    1
freq.max      1    1

Answer 4

这是另一种tidyverse方法：

which.min(.) 给出第一个索引，而 which(. == min(.)) 将给出满足条件的所有索引！

获得我们可以使用的频率的类比：length(which(.==min(.)))

summarise 所有列 min.value、rowname 和 freq.time
后面的部分是旋转以将列名放在适当的位置。

library(tidyverse)

cars %>% 
  summarise(across(dplyr::everything(), list(min.value = min,
                                             rowname = ~list(which(. == min(.))),
                                             freq.times = ~length(which(.==min(.)))))) %>% 
  pivot_longer(
    cols = contains("_"),
    names_to = "key",
    values_to = "val", 
    values_transform = list(val = as.character)
  ) %>% 
  separate(key, c("column", "name"), sep="_") %>% 
  pivot_wider(
    names_from = name,
    values_from = val
  ) %>% 
  mutate(rowname = str_replace(rowname, '\:', '\,'))

 column min.value rowname freq.times
  <chr>  <chr>     <chr>   <chr>     
1 speed  4         1,2     2         
2 dist   2         1       1

提取 data.frame 中与另一个 data.frame 中的值匹配的所有 row.names

Extract all row.names in a data.frame that match a value in another data.frame

r

rows

dataframe