在R中查找同名列之间的最大差异

Question

我在 R 中有以下 table。我有 2 个 A 列、3 个 B 列和 1 个 C 列。我需要计算任何同名列和 return 作为输出的列名之间可能存在的最大差异。

第 1 行

A 之间的最大差值为 2
B 之间的最大差异为 4
我需要输出为 B

对于第 2 行

A 之间的最大差值是 3
B 之间的最大差异为 2
我需要输出为 A

| A  | A | B | B | B | C |
| 2  | 4 |5  |2  |1  |0  |
| -3 |0  |2  |3  |4  |2  |

Answer 1

首先，使用 non-unique 列名有点危险（在某些情况下是不允许的），所以我做的第一件事是使用 base::make.unique() 来唯一化名称。从那里开始，我使用 tidyr::pivot_longer() 以便可以更轻松地访问列名称中包含的分组信息。在这里，我在 names_pattern 中使用正则表达式来丢弃列名的不同部分，以便它们再次相同。然后我们使用 dplyr::group_by() 后跟 dplyr::summarize() 来获得每个 id 和 grp 的最大差异，它们对应于原始数据中的行和类似列。最后我们使用 dplyr::slice_max() 到 return 只有每组最大的差异。

library(tidyverse)

d <- structure(list(A = c(2L, -3L), A = c(4L, 0L), B = c(5L, 2L), B = 2:3, B = c(1L, 4L), C = c(0L, 2L)), row.names = c(NA, -2L), class = "data.frame")

# give unique names
names(d) <- make.unique(names(d), sep = "_")

d %>% 
  mutate(id = row_number()) %>% 
  pivot_longer(-id, names_to = "grp", names_pattern = "([A-Z])*") %>% 
  group_by(id, grp) %>% 
  summarise(max_diff = max(value) - min(value)) %>% 
  slice_max(order_by = max_diff, n = 1, with_ties = F)

#> `summarise()` has grouped output by 'id'. You can override using the `.groups` argument.
#> # A tibble: 2 x 3
#> # Groups:   id [2]
#>      id grp   max_diff
#>   <int> <chr>    <int>
#> 1     1 B            4
#> 2     2 A            3

^{由 reprex package (v2.0.1)}

于 2022-02-14 创建

Answer 2

这里是基础 R 选项，使用 aggregate + range + diff + which.max

df$max_diff <- with(
  p <- aggregate(
    . ~ id,
    cbind(id = names(df), as.data.frame(t(df))),
    function(v) diff(range(v))
  ),
  id[sapply(p[-1],which.max)]
)

这给出了

> df
   A A B B B C max_diff
1  2 4 5 2 1 0        B
2 -3 0 2 3 4 2        A

数据

> dput(df)
structure(list(A = c(2L, -3L), A = c(4L, 0L), B = c(5L, 2L), 
    B = 2:3, B = c(1L, 4L), C = c(0L, 2L), max_diff = c("B",
    "A")), row.names = c(NA, -2L), class = "data.frame")

Answer 3

我们也可以使用split.default根据列名相似度进行拆分，然后用max.col找到max diff

的索引

m1 <- sapply(split.default(df, names(df)), \(x)
    apply(x, 1, \(u) diff(range(u))))
df$max_diff <- colnames(m1)[max.col(m1, "first")]
df$max_diff
[1] "B" "A"

在R中查找同名列之间的最大差异

Finding maximum difference between columns of same name in R

r

max

string-matching

multiple-columns

minima

数据