给定列的最小值，在其他列中找到最小值（dplyr）

Question

假设我们在 R 中有以下数据集：

> td
  Type Rep Value1 Value2
1    A   1      7      1
2    A   2      5      4
3    A   3      5      3
4    A   4      8      2
5    B   1      5     10
6    B   2      6      1
7    B   3      7      1
8    C   1      8     13
9    C   2      8     13

> td <- structure(list(Type = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 
3L, 3L), .Label = c("A", "B", "C"), class = "factor"), Rep = c(1L, 
2L, 3L, 4L, 1L, 2L, 3L, 1L, 2L), Value1 = c(7L, 5L, 5L, 8L, 5L, 
6L, 7L, 8L, 8L), Value2 = c(1L, 4L, 3L, 2L, 10L, 1L, 1L, 13L, 
13L)), .Names = c("Type", "Rep", "Value1", "Value2"), class = "data.frame",
row.names = c(NA, -9L))

我想制作以下内容table：

  Type MinValue1 MinValue2 MeanValue1 MeanValue2
1    A         5         3       6.25        2.5
2    B         5        10       6.00        4.0
3    C         3        13       8.00       13.0

在此 table 中，数据由 "Type." 列汇总 "MinValue1" 是特定类型的最小值，列 "MinValue2" 是 "Value2"，给定列 "Value1" 的最小值。列平均值*是所有观察值的一般平均值。

实现此目的的一种方法是实现对每种类型进行迭代并进行数学计算的循环。但是，我正在寻找一种 better/easy/beautiful 方法来执行此类操作。

我玩过"tidyverse"的工具：

> library(tidyverse)
> td %>% 
     group_by(Type) %>% 
     summarise(MinValue1 = min(Value1), 
               MeanValue1 = mean(Value1),
               MeanValue2 = mean(Value2))
# A tibble: 3 × 4
    Type MinValue1 MeanValue1 MeanValue2
  <fctr>    <int>       <dbl>      <dbl>
1      A        5        6.25        2.5
2      B        5        6.00        4.0
3      C        8        8.00       13.0

请注意，我们这里没有第 "MinValue2" 列。另请注意 "summarise(..., MinValue2 = min(Value2), ...)" 不起作用，因为此解决方案采用一种类型的所有观察值中的最小值。

我们可以玩"slice"然后合并结果：

> td %>% group_by(Type) %>% slice(which.min(Value1))
Source: local data frame [3 x 4]
Groups: Type [3]

    Type   Rep Value1 Value2
  <fctr> <int>  <int>  <int>
1      A     3      5      4
2      B     1      5     10
3      C     1      8     13

但请注意，"slice" 工具在这里对我们没有帮助："Type A, Value1 5" 应该有 "Value2" == 3，而不是 == 4 作为切片 returns。

那么，你们有没有优雅的方法来达到我想要的结果？谢谢！

Answer 1

按'Type'分组后，根据选择对应于[=20=的最小值的元素，用'Value2'的minimum创建另一个组，使用summarise_each 获取所选列（'Value1' 和 'Value2'）的 min 和 mean 并删除 'Value2_min' 和 select

td %>% 
    group_by(Type) %>%
    group_by(MinValue2 = min(Value2[Value1==min(Value1)]), add=TRUE) %>%  
    summarise_each(funs(min, mean), Value1:Value2) %>% 
    select(-Value2_min)

Answer 2

一种方法是使用 order 函数的属性来打破与另一个向量的联系：

get_min_at_min <- function(vec1, vec2) {
  return(vec2[order(vec1, vec2)[1]])
}

这returns个最小值vec2在索引对应的最小值vec1中。有了这个功能，管道就很简单了：

td %>% 
  group_by(Type) %>% 
  summarise(MinValue1 = min(Value1),
            MinValue2 = get_min_at_min(Value1, Value2),
            MeanValue1 = mean(Value1),
            MeanValue2 = mean(Value2))

或者只是简单地利用这样一个事实，即可以在 dplyr 函数中处理计算变量：

td %>% 
  group_by(Type) %>% 
  summarise(MinValue1 = min(Value1),
            MinValue2 = min(Value2[Value1 == MinValue1]),
            MeanValue1 = mean(Value1),
            MeanValue2 = mean(Value2))

Answer 3

非常感谢@evgeniC 和@ak运行。您的帮助很有价值。对于我的 purposes/data 集，这两种解决方案都非常有效。因此，为了丰富讨论，我运行进行了一些实验来测试这些提议的速度，使用以下脚本（当然，每个实验 comment/uncomment）：

library(tidyverse)

args <- commandArgs(TRUE)
set.seed(args[1])
n = args[2]

td = data.frame(Type = sample(LETTERS, n, replace=T),
                Value1 = sample(1:100, n, replace=T),
                Value2 = sample(1:100, n, replace=T))

ptm <- proc.time()

# Solution 1 ###
#get_min_at_min <- function(vec1, vec2) {
  #return(vec2[order(vec1, vec2)[1]])
#}

#tmp <- td %>%
       #group_by(Type) %>%
       #summarise(MinValue1 = min(Value1),
                 #MinValue2 = get_min_at_min(Value1, Value2),
                 #MeanValue1 = mean(Value1),
                 #MeanValue2 = mean(Value2))

### Solution 2 ###
tmp <- td %>%
       group_by(Type) %>%
       summarise(MinValue1 = min(Value1),
                 MinValue2 = min(Value2[Value1 == MinValue1]),
                 MeanValue1 = mean(Value1),
                 MeanValue2 = mean(Value2))

### Solution 3 ###
#tmp <- td %>%
       #group_by(Type) %>%
       #group_by(MinValue2 = min(Value2[Value1==min(Value1)]), add=TRUE) %>%
       #summarise_each(funs(min, mean), Value1:Value2) %>%
       #select(-Value2_min)

print(proc.time() - ptm)

对于每个算法，我运行

$ Rscript test.R 270001 10000000

正在使用

> td %>% group_by(Alg) %>% summarise_each(funs(mean, sd), User:Elapsed)

我们得到了以下结果：

       Alg User_mean System_mean Elapsed_mean    User_sd   System_sd Elapsed_sd
1    akrun 1.3643333  0.13766667     1.510333 0.01069268 0.005033223 0.02050203
2 evgeniC1 0.8706667  0.07466667     0.951000 0.03323151 0.003055050 0.04073082
3 evgeniC2 0.8600000  0.09300000     0.958000 0.05546170 0.005196152 0.06331666

因此，我倾向于使用@evgeniC 的解决方案 2，因为它是最 elegant/simple 并且与解决方案 1 一样快。@ak运行提供了一个不错的解决方案，但它是有点复杂和慢。无论如何，该设置在其他情况下可能会有用。

给定列的最小值，在其他列中找到最小值（dplyr）

Given the minimum of column, find the minimum in other colunm (dplyr)

r

dplyr

tidyverse