R_Language 板


LINE

※ 引述《memphis (讓你喜歡這世界~)》之銘言: : 當你有一個 data.frame (如下) : ID col_a col_b : 01 01 2 : 01 02 1 : 02 05 3 : 02 NA 4 : 03 NA 2 : 03 NA 3 : ID=c('01','01','02','02','03','03') : col_a <- c('01','02','05',NA,NA,NA) : col_b <- c(2,1,3,4,2,3) : m <- data.frame(ID, col_a, col_b, stringsAsFactors=F) : #### : 1. 想要挑每組 col_a 最小 : m %>% group_by(ID) %>% summarize(min_a = min(col_a, na.rm=T)) : ID min_a : (chr) (chr) : 1 01 01 : 2 02 05 : 3 03 NA : Warning message: : In min(c(NA_character_, NA_character_), na.rm = TRUE) : : no non-missing arguments, returning NA : #### : 2. 想要挑每組 col_a 最小時的 col_b : m %>% group_by(ID) %>% filter(col_a = min(col_a)) : Error: filter condition does not evaluate to a logical vector. : m %>% group_by(ID) %>% filter(rank(col_a, ties.method='first')==1) : ID col_a col_b : (chr) (chr) (dbl) : 1 01 01 2 : 2 02 05 3 : 3 03 NA 2 : #### : 3. 想要挑每組 col_a 最小時的 col_b (較快) : m %>% group_by(ID) %>% slice(which.min(col_a)) : ID col_a col_b : (chr) (chr) (dbl) : 1 01 01 2 : 2 02 05 3 : #### : 歡迎討論各種例外狀況 : 有些時候取大取小, 只接受數字, 有時候又可以自己轉換 : 有些時候文字可以比大小, 其中有些格子是空格會無法比, 要轉成NA library(data.table) library(plyr) library(dplyr) library(purrr) library(magrittr) library(microbenchmark) set.seed(10) N = 1e5 numGroup = 100 maxID = 5000 DT = data.table(group = sample(sprintf('A%02i', 1:numGroup), N, TRUE), value = sample(1:1000, N, TRUE)) %>% tbl_dt(FALSE) %>% mutate(ID = sprintf('%02i', sample(1:maxID, N, TRUE)), group = factor(group, levels = sprintf('A%02i', 1:numGroup))) %>% select(ID, group, value) %>% distinct(ID, group) # distinct 是為了避免有同ID下有同樣組別之情形 dplyr_slice = function() DT %>% group_by(ID) %>% slice(which.min(group)) dplyr_filter_rank = function() DT %>% group_by(ID) %>% filter(rank(group, ties.method='first')==1) dplyr_filter_row_number = function() DT %>% group_by(ID) %>% filter(row_number(group) == 1) dplyr_arrange = function() DT %>% arrange(ID, group, value) %>% group_by(ID) %>% summarise(group = group[1], value = value[1]) purrr_split_map = function() DT %>% split(.$ID) %>% map(~ .[which.min(.$group), ]) %>% bind_rows plyr_ddply = function() ddply(DT, .(ID), function(x) x[which.min(x$group), ]) plyr_ddply_filter = function() ddply(DT, .(ID), function(x){ x %>% filter(row_number(group) == 1) }) all.equal(dplyr_slice() %>% arrange(ID), dplyr_filter_rank() %>% arrange(ID)) # TRUE all.equal(dplyr_slice() %>% arrange(ID), dplyr_filter_row_number() %>% arrange(ID)) # TRUE all.equal(dplyr_slice() %>% arrange(ID), dplyr_arrange() %>% arrange(ID)) # TRUE all.equal(dplyr_slice() %>% arrange(ID), purrr_split_map() %>% arrange(ID)) # TRUE all.equal(dplyr_slice() %>% arrange(ID), plyr_ddply() %>% arrange(ID)) # TRUE all.equal(dplyr_slice() %>% arrange(ID), plyr_ddply_filter() %>% arrange(ID)) # TRUE microbenchmark(dplyr_slice(), dplyr_filter_rank(), dplyr_filter_row_number(), dplyr_arrange(), purrr_split_map(), plyr_ddply(), plyr_ddply_filter(), times = 20L ) # Unit: milliseconds # expr min lq mean # dplyr_slice() 1347.66226 1401.43846 1464.60871 # dplyr_filter_rank() 449.52015 453.61900 471.02026 # dplyr_filter_row_number() 433.67680 468.01415 480.40588 # dplyr_arrange() 41.23724 42.51137 46.32983 # purrr_split_map() 3198.05461 3274.40538 3403.10413 # plyr_ddply() 1344.17546 1397.38130 1455.63575 # plyr_ddply_filter() 3894.99410 4013.59103 4117.50118 # Unit: milliseconds # expr median uq max neval # dplyr_slice() 1435.9503 1516.38167 1665.08106 20 # dplyr_filter_rank() 463.6700 480.17833 526.91304 20 # dplyr_filter_row_number() 480.6615 492.46276 531.02535 20 # dplyr_arrange() 46.4951 50.18027 52.71638 20 # purrr_split_map() 3372.4479 3488.43514 3755.94195 20 # plyr_ddply() 1460.6096 1500.80851 1587.33094 20 # plyr_ddply_filter() 4114.9551 4196.85084 4461.57974 20 這樣測試下來,直接排序,再取第一個是最快的方法 rank跟row_number差不多快 slice跟ddply差不多快 --



※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.109.73.232
※ 文章網址: https://webptt.com/m.aspx?n=bbs/R_Language/M.1451657895.A.273.html
1F:推 k75715: 仔細的測試只好給推了! 01/02 08:49
2F:推 memphis: 唔 跟我的經驗不合 我再看看我的 難道是有沒有NA有差? 01/03 00:02
3F:→ memphis: 還是文字數字日期會有差.. 01/03 00:03
4F:→ memphis: 我來跑跑我這邊的資料 01/03 00:03
可能有NA有差吧,我沒有試NA的情況... ※ 編輯: celestialgod (180.218.152.118), 01/03/2016 00:30:40







like.gif 您可能會有興趣的文章
icon.png[問題/行為] 貓晚上進房間會不會有憋尿問題
icon.pngRe: [閒聊] 選了錯誤的女孩成為魔法少女 XDDDDDDDDDD
icon.png[正妹] 瑞典 一張
icon.png[心得] EMS高領長版毛衣.墨小樓MC1002
icon.png[分享] 丹龍隔熱紙GE55+33+22
icon.png[問題] 清洗洗衣機
icon.png[尋物] 窗台下的空間
icon.png[閒聊] 双極の女神1 木魔爵
icon.png[售車] 新竹 1997 march 1297cc 白色 四門
icon.png[討論] 能從照片感受到攝影者心情嗎
icon.png[狂賀] 賀賀賀賀 賀!島村卯月!總選舉NO.1
icon.png[難過] 羨慕白皮膚的女生
icon.png閱讀文章
icon.png[黑特]
icon.png[問題] SBK S1安裝於安全帽位置
icon.png[分享] 舊woo100絕版開箱!!
icon.pngRe: [無言] 關於小包衛生紙
icon.png[開箱] E5-2683V3 RX480Strix 快睿C1 簡單測試
icon.png[心得] 蒼の海賊龍 地獄 執行者16PT
icon.png[售車] 1999年Virage iO 1.8EXi
icon.png[心得] 挑戰33 LV10 獅子座pt solo
icon.png[閒聊] 手把手教你不被桶之新手主購教學
icon.png[分享] Civic Type R 量產版官方照無預警流出
icon.png[售車] Golf 4 2.0 銀色 自排
icon.png[出售] Graco提籃汽座(有底座)2000元誠可議
icon.png[問題] 請問補牙材質掉了還能再補嗎?(台中半年內
icon.png[問題] 44th 單曲 生寫竟然都給重複的啊啊!
icon.png[心得] 華南紅卡/icash 核卡
icon.png[問題] 拔牙矯正這樣正常嗎
icon.png[贈送] 老莫高業 初業 102年版
icon.png[情報] 三大行動支付 本季掀戰火
icon.png[寶寶] 博客來Amos水蠟筆5/1特價五折
icon.pngRe: [心得] 新鮮人一些面試分享
icon.png[心得] 蒼の海賊龍 地獄 麒麟25PT
icon.pngRe: [閒聊] (君の名は。雷慎入) 君名二創漫畫翻譯
icon.pngRe: [閒聊] OGN中場影片:失蹤人口局 (英文字幕)
icon.png[問題] 台灣大哥大4G訊號差
icon.png[出售] [全國]全新千尋侘草LED燈, 水草

請輸入看板名稱,例如:Gossiping站內搜尋

TOP