在聚合函数中显示多列，包括 R 中的 strings/characters

Question

R 菜鸟问题在这里。

假设我有这个数据框：

City          State Pop
Fresno          CA  494
San Franciso    CA  805
San Jose        CA  945
San Diego       CA  1307
Los Angeles     CA  3792
Reno            NV  225
Henderson       NV  257
Las Vegas       NV  583
Gresham         OR  105
Salem           OR  154
Eugene          OR  156
Portland        OR  583
Fort Worth      TX  741
Austin          TX  790
Dallas          TX  1197
San Antonio     TX  1327
Houston         TX  2100

我想知道每个州每排第三低的人口，即：

City         State  Pop
San Jose        CA  945
Las Vegas       NV  583
Eugene          OR  156
Dallas          TX  1197

我试过这个：

ord_pop_state <- aggregate(Pop ~ State  , data = ord_pop, function(x) { x[3] } )

我得到了这个：

State  Pop
 CA  945
 NV  583
 OR  156
 TX 1197

为了获得包括城市在内的所需输出，我在这方面缺少什么？

Answer 1

我建议尝试 data.table 包来完成这样的任务，因为语法更简单，代码更高效。我还建议添加 order 函数以确保数据已排序

library(data.table)
setDT(ord_pop)[order(Pop), .SD[3L], keyby = State]
#    State      City  Pop
# 1:    CA  San Jose  945
# 2:    NV Las Vegas  583
# 3:    OR    Eugene  156
# 4:    TX    Dallas 1197

所以基本上，首先数据按 Pop 排序，然后我们按 State

对 .SD（数据本身的符号参数）进行子集化

虽然这也很容易用 base R 解决（我们假设数据在这里排序），我们可以只为每个组创建一个索引，然后根据该索引做一个简单的子集

ord_pop$indx <- with(ord_pop, ave(Pop, State, FUN = seq))
ord_pop[ord_pop$indx == 3L, ]
#         City State  Pop indx
# 3   San Jose    CA  945    3
# 8  Las Vegas    NV  583    3
# 11    Eugene    OR  156    3
# 15    Dallas    TX 1197    3

Answer 2

这是一个 dplyr 版本：

df2 <- df %>%
    group_by(state) %>% # Group observations by state
    arrange(-pop) %>% # Within those groups, sort in descending order by pop
    slice(3) # Extract the third row in each arranged group

这是我用来测试它的玩具数据：

set.seed(1)
df <- data.frame(state = rep(LETTERS[1:3], each = 5), city = rep(letters[1:5], 3), pop = round(rnorm(15, 1000, 100), digits=0))

这是它的输出； 'b' 在每种情况下都是第三大的巧合，而不是代码中的故障：

> df2
Source: local data frame [3 x 3]
Groups: state

  state city  pop
1     A    b 1018
2     B    b 1049
3     C    b 1039

Answer 3

在 R 中，使用不同的 packages.Choice 包可以实现相同的最终结果，这是效率和代码简单性之间的权衡。

由于您来自强大的 SQL 背景，这可能更易于使用：

library(sqldf)

#Example to return 3rd lowest population of a State
result <-sqldf('Select City,State,Pop from data order by Pop limit 1 offset 2;')

#Note the SQL query is a sample and needs to be modifed to get desired result.

在聚合函数中显示多列，包括 R 中的 strings/characters

Showing multiple columns in aggregate function including strings/characters in R

r

subset

dataframe