r - r 中数据框不同行的每一列的最大值

Question

假设有一个带 ID 列的有序 df，以及包含数字数据的其他列，按最后一列排序。

ID <- c(123, 142, 21, 562, 36, 721, 847, 321)
A <- c(96, 83, 73, 47, 88, 65, 72, 67)
B <- c(72, 69, 88, 75, 63, 89, 48, 80)
C <- c(95, 94, 94, 94, 65, 81, 75, 75)
D <- c(63, 88, 89, 88, 89, 79, 88, 79)
Rating <- c(97, 95, 92, 87, 85, 83, 79, 77)
df <- data.frame(ID, A, B, C, D, Rating)
df
#   ID  A  B  C  D Rating
#1 123 96 72 95 63     97
#2 142 83 69 94 88     95
#3  21 73 88 94 89     92
#4 562 47 75 94 88     87
#5  36 88 63 65 89     85
#6 721 65 89 81 79     83
#7 847 72 48 75 88     79
#8 321 67 80 75 79     77

目的是获取每个组/列的最大值及其 ID，并且每一对都需要来自不同的行(唯一 ID)。对于一列具有相同值的两个 ID，选择具有更好评级的 ID。

我所做的是使用 apply() 函数从每一列中获取最大值，提取具有该值的 ID，并将它们全部连接到一个数据框中。因为我仍然缺少第 4 列的 ID，所以我使用了反连接来取出之前的 ID 并重复该过程以获取此数据框:

my_max <- data.frame(apply(df, 2, max))
A2 <- df[which(df$A == my_max[2,1]),]%>% dplyr::select(ID, A)
B2 <- df[which(df$B == my_max[3,1]),]%>% dplyr::select(ID, B)
C2 <- df[which(df$C == my_max[4,1]),]%>% dplyr::select(ID, C)
D2 <- df[which(df$D == my_max[5,1]),]%>% dplyr::select(ID, D)
all <- full_join(A2, B2, by='ID') %>% full_join(C2, by='ID') %>% full_join(D2, by='ID')
all <- all[-c(4),]
df <- anti_join(df, all, by='ID')
my_max <- data.frame(apply(df, 2, max))
C2 <- df[which(df$C == my_max[4,1]),]%>% dplyr::select(ID, C)
all <- all %>% full_join(C2, by='ID')
all <- all[-c(5),-c(4)]

最后给我:

all
#   ID  A  B  D C.y
#1 123 96 NA NA  NA
#2 721 NA 89 NA  NA
#3  21 NA NA 89  NA
#4 142 NA NA NA  94

有没有更干净或更简洁/有效的方法来做到这一点？不一定是相同的方式，也许只是 ID 和角色，例如:

#   ID  Group
#1 123    A
#2 721    B
#3 142    C
#4 21     D

Answer 1

我看到一些解决方案不处理重复的 ID。例如，我们有 A 组和 C 组的 ID 123。

要获得与您的问题中的最终结果类似的输出，另一种处理重复 ID 的解决方案如下

# initialization
variables <- c("A", "B", "C", "D")
df_max <- data.frame(ID = numeric(length(variables)), Group = variables)

for(column in variables){
  temp_id <- df %>% 
    filter(!(ID %in% df_max$ID)) %>% 
    arrange(desc(!!rlang::sym(column)), desc(Rating)) %>% 
    slice(1) %>% 
    select(ID) %>%
    as.numeric(ID)
  df_max[df_max$Group == column, "ID"] <- temp_id
}

基本上， filter step 确保我们不考虑已经选择的 ID。

输出

# > df_max
#
#    ID Group
# 1 123     A
# 2 721     B
# 3 142     C
# 4  21     D