Selezionare un valore basato su un valore più alto in un'altra colonna

Question

Non capisco perché non riesco a trovare una soluzione per questo, poiché ritengo che questa sia una domanda piuttosto semplice. Hai bisogno di chiedere aiuto, allora. Voglio riorganizzare il set di dati di airquality per mese con il massimo valore di temperatura per ogni mese. Inoltre voglio trovare il giorno corrispondente per ogni temperatura massima mensile. Qual è il modo più pigro (in termini di codice) per farlo?

ho cercato segue senza un successo:

require(reshape2) 
names(airquality) <- tolower(names(airquality)) 
mm <- melt(airquality, id.vars = c("month", "day"), meas = c("temp")) 

dcast(mm, month + day ~ variable, max) 
aggregate(formula = temp ~ month + day, data = airquality, FUN = max) 

Sono alla ricerca di qualcosa di simile:

month day temp 
5  7 89 
... 

Answer 1

C'è stata una discussione abbastanza indietro sul fatto se essere pigri è buono o no. Anwyay, questo è breve e naturale per scrivere e leggere (ed è veloce per i dati di grandi dimensioni in modo che non c'è bisogno di modificare o ottimizzare in un secondo momento):

require(data.table) 
DT=as.data.table(airquality) 

DT[,.SD[which.max(Temp)],by=Month] 

    Month Ozone Solar.R Wind Temp Day 
[1,]  5 45  252 14.9 81 29 
[2,]  6 NA  259 10.9 93 11 
[3,]  7 97  267 6.3 92 8 
[4,]  8 76  203 9.7 97 28 
[5,]  9 73  183 2.8 93 3 

.SD è il sottoinsieme di dati per ogni gruppo, e vuoi solo la riga da essa con il Temp più grande, iiuc. Se è necessario il numero di riga, è possibile aggiungerlo.

O per ottenere tutte le righe in cui il massimo è legato:

DT[,.SD[Temp==max(Temp)],by=Month] 

    Month Ozone Solar.R Wind Temp Day 
[1,]  5 45  252 14.9 81 29 
[2,]  6 NA  259 10.9 93 11 
[3,]  7 97  267 6.3 92 8 
[4,]  7 97  272 5.7 92 9 
[5,]  8 76  203 9.7 97 28 
[6,]  9 73  183 2.8 93 3 
[7,]  9 91  189 4.6 93 4 

Answer 2

come circa con plyr?

max.func <- function(df) { 
    max.temp <- max(df$temp) 

    return(data.frame(day = df$Day[df$Temp==max.temp], 
        temp = max.temp)) 
} 

ddply(airquality, .(Month), max.func) 

Come si può vedere, la temperatura massima del mese si verifica per più di un giorno. Se vuoi un comportamento diverso, la funzione è abbastanza facile da regolare.

Answer 3

Oppure, se si vuole utilizzare il pacchetto data.table (per esempio, se la velocità è un problema e il set di dati è di grandi dimensioni o se si preferisce la sintassi):

library(data.table) 
DT <- data.table(airquality) 
DT[, list(maxTemp=max(Temp), dayMaxTemp=.SD[max(Temp)==Temp, Day]), by="Month"] 

Se volete sapere qual è il .SD sta per, dai un'occhiata qui: SO

Answer 4

Un altro approccio con plyr

require(reshape2) 
names(airquality) <- tolower(names(airquality)) 
mm <- melt(airquality, id.vars = c("month", "day"), meas = c("temp"), value.name = 'temp') 

library(plyr) 

ddply(mm, .(month), subset, subset = temp == max(temp), select = -variable) 

Dà

month day temp 
1  5 29 81 
2  6 11 93 
3  7 8 92 
4  7 9 92 
5  8 28 97 
6  9 3 93 
7  9 4 93 

Oppure, ancora più semplice

require(reshape2) 
require(plyr) 
names(airquality) <- tolower(names(airquality)) 
ddply(airquality, .(month), subset, 
    subset = temp == max(temp), select = c(month, day, temp))