r - 按组选择具有最小值的行

Question

我遇到了一个困扰我一段时间的问题……希望这里的任何人都可以帮助我。

我得到以下数据框

f <- c('a','a','b','b','b','c','d','d','d','d')
v1 <- c(1.3,10,2,10,10,1.1,10,3.1,10,10)
v2 <- c(1:10)
df <- data.frame(f,v1,v2)

f 是一个因子； v1 和 v2 是值。
对于 f 的每个级别，我只想保留一行:在该因子级别中 v1 的值最低的那一行。

f   v1  v2
a   1.3 1
b   2   3
c   1.1 6
d   3.1 8

我用聚合、ddply、by、tapply 尝试了各种东西……但似乎没有任何效果。对于任何建议，我将不胜感激。

Answer 1

使用 DWin 的解决方案，tapply可以避免使用 ave .

df[ df$v1 == ave(df$v1, df$f, FUN=min), ]

这提供了另一个加速，如下所示。请注意，这也取决于级别的数量。我给出了这个，因为我注意到 ave虽然它是 R 中更强大的函数之一，但它经常被遗忘。

f <- rep(letters[1:20],10000)
v1 <- rnorm(20*10000)
v2 <- 1:(20*10000)
df <- data.frame(f,v1,v2)

> system.time(df[ df$v1 == ave(df$v1, df$f, FUN=min), ])
   user  system elapsed 
   0.05    0.00    0.05 

> system.time(df[ df$v1 %in% tapply(df$v1, df$f, min), ])
   user  system elapsed 
   0.25    0.03    0.29 

> system.time(lapply(split(df, df$f), FUN = function(x) {
+             vec <- which(x[3] == min(x[3]))
+             return(x[vec, ])
+         })
+  .... [TRUNCATED] 
   user  system elapsed 
   0.56    0.00    0.58 

> system.time(df[tapply(1:nrow(df),df$f,function(i) i[which.min(df$v1[i])]),]
+ )
   user  system elapsed 
   0.17    0.00    0.19 

> system.time( ddply(df, .var = "f", .fun = function(x) {
+     return(subset(x, v1 %in% min(v1)))
+     }
+ )
+ )
   user  system elapsed 
   0.28    0.00    0.28