이와 같은 데이터 프레임에서
test <- data.frame('id'= rep(1:5,2), 'string'= LETTERS[1:10])
test <- test[order(test$id), ]
rownames(test) <- 1:10
> test
id string
1 1 A
2 1 F
3 2 B
4 2 G
5 3 C
6 3 H
7 4 D
8 4 I
9 5 E
10 5 J
각 ID / 문자열 쌍의 첫 번째 행으로 새 행을 만들고 싶습니다. sqldf가 그 안에 R 코드를 허용하면 쿼리는 다음과 같습니다.
res <- sqldf("select id, min(rownames(test)), string
from test
group by id, string")
> res
id string
1 1 A
3 2 B
5 3 C
7 4 D
9 5 E
다음과 같은 새 열을 만드는 데 부족한 솔루션이 있습니까?
test$row <- rownames(test)
min (row)으로 동일한 sqldf 쿼리를 실행합니까?
답변
duplicated이 작업을 매우 빠르게 수행 하는 데 사용할 수 있습니다 .
test[!duplicated(test$id),]
속도 광을위한 벤치 마크 :
ju <- function() test[!duplicated(test$id),]
gs1 <- function() do.call(rbind, lapply(split(test, test$id), head, 1))
gs2 <- function() do.call(rbind, lapply(split(test, test$id), `[`, 1, ))
jply <- function() ddply(test,.(id),function(x) head(x,1))
jdt <- function() {
testd <- as.data.table(test)
setkey(testd,id)
# Initial solution (slow)
# testd[,lapply(.SD,function(x) head(x,1)),by = key(testd)]
# Faster options :
testd[!duplicated(id)] # (1)
# testd[, .SD[1L], by=key(testd)] # (2)
# testd[J(unique(id)),mult="first"] # (3)
# testd[ testd[,.I[1L],by=id] ] # (4) needs v1.8.3. Allows 2nd, 3rd etc
}
library(plyr)
library(data.table)
library(rbenchmark)
# sample data
set.seed(21)
test <- data.frame(id=sample(1e3, 1e5, TRUE), string=sample(LETTERS, 1e5, TRUE))
test <- test[order(test$id), ]
benchmark(ju(), gs1(), gs2(), jply(), jdt(),
replications=5, order="relative")[,1:6]
# test replications elapsed relative user.self sys.self
# 1 ju() 5 0.03 1.000 0.03 0.00
# 5 jdt() 5 0.03 1.000 0.03 0.00
# 3 gs2() 5 3.49 116.333 2.87 0.58
# 2 gs1() 5 3.58 119.333 3.00 0.58
# 4 jply() 5 3.69 123.000 3.11 0.51
다시 시도해 보겠습니다.하지만 첫 번째 열의 경쟁자들과 더 많은 데이터와 더 많은 복제를 사용합니다.
set.seed(21)
test <- data.frame(id=sample(1e4, 1e6, TRUE), string=sample(LETTERS, 1e6, TRUE))
test <- test[order(test$id), ]
benchmark(ju(), jdt(), order="relative")[,1:6]
# test replications elapsed relative user.self sys.self
# 1 ju() 100 5.48 1.000 4.44 1.00
# 2 jdt() 100 6.92 1.263 5.70 1.15
답변
나는 dplyr 접근 방식을 선호합니다.
group_by(id) 다음 중 하나
filter(row_number()==1)또는slice(1)또는slice_head(1)# (dplyr => 1.0)top_n(n = -1)top_n()내부적으로 순위 함수를 사용합니다. 음수는 순위의 맨 아래에서 선택합니다.
경우에 따라 group_by 뒤에 ID를 정렬해야 할 수 있습니다.
library(dplyr)
# using filter(), top_n() or slice()
m1 <-
test %>%
group_by(id) %>%
filter(row_number()==1)
m2 <-
test %>%
group_by(id) %>%
slice(1)
m3 <-
test %>%
group_by(id) %>%
top_n(n = -1)
세 가지 방법 모두 동일한 결과를 반환합니다.
# A tibble: 5 x 2
# Groups: id [5]
id string
<int> <fct>
1 1 A
2 2 B
3 3 C
4 4 D
5 5 E
답변
는 어때
DT <- data.table(test)
setkey(DT, id)
DT[J(unique(id)), mult = "first"]
편집하다
data.tables키로 첫 번째 행을 반환 하는 고유 한 방법도 있습니다.
jdtu <- function() unique(DT)
test벤치 마크 외부에서 주문 하는 경우 벤치 마크에서 setkey및 data.table변환을 제거 할 수도 있습니다 (세트 키는 기본적으로 ID별로 정렬하므로 order).
set.seed(21)
test <- data.frame(id=sample(1e3, 1e5, TRUE), string=sample(LETTERS, 1e5, TRUE))
test <- test[order(test$id), ]
DT <- data.table(DT, key = 'id')
ju <- function() test[!duplicated(test$id),]
jdt <- function() DT[J(unique(id)),mult = 'first']
library(rbenchmark)
benchmark(ju(), jdt(), replications = 5)
## test replications elapsed relative user.self sys.self
## 2 jdt() 5 0.01 1 0.02 0
## 1 ju() 5 0.05 5 0.05 0
더 많은 데이터
** 독특한 방법으로 편집 **
set.seed(21)
test <- data.frame(id=sample(1e4, 1e6, TRUE), string=sample(LETTERS, 1e6, TRUE))
test <- test[order(test$id), ]
DT <- data.table(test, key = 'id')
test replications elapsed relative user.self sys.self
2 jdt() 5 0.09 2.25 0.09 0.00
3 jdtu() 5 0.04 1.00 0.05 0.00
1 ju() 5 0.22 5.50 0.19 0.03
독특한 방법은 여기서 가장 빠릅니다.
답변
간단한 ddply옵션 :
ddply(test,.(id),function(x) head(x,1))
속도가 문제인 경우 다음과 유사한 접근 방식을 취할 수 있습니다 data.table.
testd <- data.table(test)
setkey(testd,id)
testd[,.SD[1],by = key(testd)]
또는 이것은 상당히 빠를 수 있습니다.
testd[testd[, .I[1], by = key(testd]$V1]
답변
이제에 대해 dplyr고유 한 카운터를 추가합니다.
df %>%
group_by(aa, bb) %>%
summarise(first=head(value,1), count=n_distinct(value))
그룹을 만들고 그룹 내에서 요약합니다.
데이터가 숫자 인 경우 다음을 사용할 수 있습니다.
first(value)[도 있습니다.last(value) ]head(value, 1)
보다:
http://cran.rstudio.com/web/packages/dplyr/vignettes/introduction.html
완전한:
> df
Source: local data frame [16 x 3]
aa bb value
1 1 1 GUT
2 1 1 PER
3 1 2 SUT
4 1 2 GUT
5 1 3 SUT
6 1 3 GUT
7 1 3 PER
8 2 1 221
9 2 1 224
10 2 1 239
11 2 2 217
12 2 2 221
13 2 2 224
14 3 1 GUT
15 3 1 HUL
16 3 1 GUT
> library(dplyr)
> df %>%
> group_by(aa, bb) %>%
> summarise(first=head(value,1), count=n_distinct(value))
Source: local data frame [6 x 4]
Groups: aa
aa bb first count
1 1 1 GUT 2
2 1 2 SUT 2
3 1 3 SUT 3
4 2 1 221 3
5 2 2 217 3
6 3 1 GUT 2
답변
(1) SQLite에는 rowid의사 열이 내장되어 있으므로 다음과 같이 작동합니다.
sqldf("select min(rowid) rowid, id, string
from test
group by id")
기부:
rowid id string
1 1 1 A
2 3 2 B
3 5 3 C
4 7 4 D
5 9 5 E
(2) 또한 sqldf자체에 row.names=인수가 있습니다.
sqldf("select min(cast(row_names as real)) row_names, id, string
from test
group by id", row.names = TRUE)
기부:
id string
1 1 A
3 2 B
5 3 C
7 4 D
9 5 E
(3) 위의 두 요소를 혼합하는 세 번째 대안이 더 좋을 수 있습니다.
sqldf("select min(rowid) row_names, id, string
from test
group by id", row.names = TRUE)
기부:
id string
1 1 A
3 2 B
5 3 C
7 4 D
9 5 E
이 셋 모두를 사용하는 SQL에 SQLite는 확장에 의존하는 것을 주 min또는 max다른 열이 발생할 보장은 같은 행에서 선택된다. (보장되지 않을 수있는 다른 SQL 기반 데이터베이스에서)
답변
베이스 R 옵션은입니다 split()– lapply()– do.call(): 관용구
> do.call(rbind, lapply(split(test, test$id), head, 1))
id string
1 1 A
2 2 B
3 3 C
4 4 D
5 5 E
보다 직접적인 옵션은 다음과 lapply()같은 [기능입니다.
> do.call(rbind, lapply(split(test, test$id), `[`, 1, ))
id string
1 1 A
2 2 B
3 3 C
4 4 D
5 5 E
호출 1, )끝의 쉼표 공백 은 첫 번째 행과 모든 열을 선택하도록 호출 하는 것과 동일하므로 필수적 입니다.lapply()[1, ]
