Ho cercato di utilizzare dividere e Tapply un po 'di più per diventare più conoscerli So che questa domanda ha già avuto una risposta, ma ho pensato di aggiungere un'altra soluzione usando split (scusate la bruttezza, sono più che aperto al feedback per il miglioramento, pensavo forse ci fosse un uso per diminuire il codice):
sdf <-with(df, split(df, ID))
max.week <- sapply(seq_along(sdf), function(x) which.max(sdf[[x]][, 'week']))
data.frame(t(mapply(function(x, y) y[x, ], max.week, sdf)))
Ho anche capito perché abbiamo 7 risposte qui era maturo per un punto di riferimento. I risultati potrebbero sorprendervi (usando rbenchmark con R2.14.1 su una macchina Win 7):
# library(rbenchmark)
# benchmark(
# DATA.TABLE= {dt <- data.table(df, key="ID")
# dt[, .SD[which.max(outcome),], by=ID]},
# DO.CALL={do.call("rbind",
# by(df, INDICES=df$ID, FUN=function(DF) DF[which.max(DF$week),]))},
# PLYR=ddply(df, .(ID), function(X) X[which.max(X$week), ]),
# SPLIT={sdf <-with(df, split(df, ID))
# max.week <- sapply(seq_along(sdf), function(x) which.max(sdf[[x]][, 'week']))
# data.frame(t(mapply(function(x, y) y[x, ], max.week, sdf)))},
# MATCH.INDEX=df[rev(rownames(df)),][match(unique(df$ID), rev(df$ID)), ],
# AGGREGATE=df[cumsum(aggregate(week ~ ID, df, which.max)$week), ],
# #WHICH.MAX.INDEX=df[sapply(unique(df$ID), function(x) which.max(x==df$ID)), ],
# BRYANS.INDEX = df[cumsum(as.numeric(lapply(split(df$week, df$ID),
# which.max))), ],
# SPLIT2={sdf <-with(df, split(df, ID))
# df[cumsum(sapply(seq_along(sdf), function(x) which.max(sdf[[x]][, 'week']))),
# ]},
# TAPPLY=df[tapply(seq_along(df$ID), df$ID, function(x){tail(x,1)}),],
# columns = c("test", "replications", "elapsed", "relative", "user.self","sys.self"),
# order = "test", replications = 1000, environment = parent.frame())
test replications elapsed relative user.self sys.self
6 AGGREGATE 1000 4.49 7.610169 2.84 0.05
7 BRYANS.INDEX 1000 0.59 1.000000 0.20 0.00
1 DATA.TABLE 1000 20.28 34.372881 11.98 0.00
2 DO.CALL 1000 4.67 7.915254 2.95 0.03
5 MATCH.INDEX 1000 1.07 1.813559 0.51 0.00
3 PLYR 1000 10.61 17.983051 5.07 0.00
4 SPLIT 1000 3.12 5.288136 1.81 0.00
8 SPLIT2 1000 1.56 2.644068 1.28 0.00
9 TAPPLY 1000 1.08 1.830508 0.88 0.00
Edit1: ho omesso il quale soluzione MAX in quanto non restituisce i risultati corretti e sono tornato una soluzione aggregato beh che volevo usare (complimenti di Bryan Goodrich) e una versione aggiornata di split, SPLIT2, usando cumsum (mi piaceva quella mossa).
Modifica 2: Anche Dason ha suonato con una soluzione filettata che ho lanciato nel test che è andato molto bene.
Per inciso, si prega di assicurarsi che si sta facendo qualcosa di ragionevole con questi dati; solo prendere l'ultima valutazione disponibile può portare a inferenze molto sbagliate, a seconda del motivo per cui manchi i dati e quello che stai cercando. – Aaron