应用group_by并汇总数据，同时保留所有列的信息

Question

我有一个包含22000行和25列的大型数据集。我试图根据其中一列对我的数据集进行分组，并根据分组后的数据集获取另一列的min值。但是，问题是它只给我两列，其中包含分组后的列和具有min值的列……但是我需要与具有min值的行相关的其他列的所有信息。这里有一个简单的示例，只是为了使其可重现：

    data<- data.frame(a=1:10, b=c("a","a","a","b","b","c","c","d","d","d"), c=c(1.2, 2.2, 2.4, 1.7, 2.7, 3.1, 3.2, 4.2, 3.3, 2.2), d= c("small", "med", "larg", "larg", "larg", "med", "small", "small", "small", "med"))

    d<- data %>%
    group_by(b) %>%
    summarise(min_values= min(c))
    d
    b min_values
    1 a        1.2
    2 b        1.7
    3 c        3.1
    4 d        2.2

因此，我还需要与列a和d相关的信息，但是，由于列c中的值存在重复，我无法基于min_value列合并它们……我想知道在使用dplyr包时是否有任何方法保留其他列的信息。

我在这里找到了一些解释“dplyr：group_by、子集和摘要”和这里“使用group_by和摘要在子组中查找百分比”，但没有一个解决我的问题。

Answer 1

使用sqldf：

library(sqldf)
 # Two options:
sqldf('SELECT * FROM data GROUP BY b HAVING min(c)')
sqldf('SELECT a, b, min(c) min, d FROM data GROUP BY b')

输出：

   a b   c     d
1  1 a 1.2 small
2  4 b 1.7  larg
3  6 c 3.1   med
4 10 d 2.2   med

Answer 2

这里有两个选项：a）＜代码＞过滤器c中都没有重复的最小值，因此a）和b）的结果相同。如果存在重复的最小值，方法a）将返回每个组的每个最小值，而b）将仅返回每个组中的一个最小值（第一个）。

答

> data %>% group_by(b) %>% filter(c == min(c))
#Source: local data frame [4 x 4]
#Groups: b
#
#   a b   c     d
#1  1 a 1.2 small
#2  4 b 1.7  larg
#3  6 c 3.1   med
#4 10 d 2.2   med

或类似

> data %>% group_by(b) %>% filter(min_rank(c) == 1L)
#Source: local data frame [4 x 4]
#Groups: b
#
#   a b   c     d
#1  1 a 1.2 small
#2  4 b 1.7  larg
#3  6 c 3.1   med
#4 10 d 2.2   med

b）

> data %>% group_by(b) %>% slice(which.min(c))
#Source: local data frame [4 x 4]
#Groups: b
#
#   a b   c     d
#1  1 a 1.2 small
#2  4 b 1.7  larg
#3  6 c 3.1   med
#4 10 d 2.2   med

Answer 3

您可以使用< code>group_by而不使用< code > summary :

data %>%
  group_by(b) %>%
  mutate(min_values = min(c)) %>%
  ungroup()