Nhóm theo một cột, chọn hàng có tối thiểu trong một cột cho mỗi cặp cột trong R

Question

Câu hỏi khó với cụm từ. Đây là một ví dụ về những gì tôi muốn làm. Một ví dụ về những gì tôi đang bắt đầu với:

set.seed(0) 
dt <- data.table(dr1.d=rnorm(5), dr1.p=abs(rnorm(5, sd=0.08)), 
       dr2.d=rnorm(5), dr2.p=abs(rnorm(5, sd=0.08)), 
       dr3.d=rnorm(5), dr3.p=abs(rnorm(5, sd=0.08)), 
       dr4.d=rnorm(5), dr4.p=abs(rnorm(5, sd=0.08)), 
       sym = paste("sym", c(1,1,1,2,2))) 
dt 

     dr1.d  dr1.p  dr2.d  dr2.p  dr3.d  dr3.p  dr4.d  dr4.p sym 
1: 1.2629543 0.1231960034 0.7635935 0.03292087 -0.22426789 0.040288638 -0.2357066 0.09215294 sym 1 
2: -0.3262334 0.0742853628 -0.7990092 0.02017788 0.37739565 0.086861549 -0.5428883 0.07937283 sym 1 
3: 1.3297993 0.0235776357 -1.1476570 0.07135369 0.13333636 0.055276307 -0.4333103 0.03436105 sym 1 
4: 1.2724293 0.0004613738 -0.2894616 0.03485466 0.80418951 0.102767948 -0.6494716 0.09906433 sym 2 
5: 0.4146414 0.1923722711 -0.2992151 0.09900307 -0.05710677 0.003738094 0.7267507 0.02234770 sym 2 

Đối với tất cả các cặp cột có cùng một loại thuốc (ví dụ như 'DR1') Tôi muốn hàng nhóm bởi 'sym', sau đó chọn hàng với p-nhỏ nhất giá trị (kết thúc bằng '.p') trong mỗi nhóm. Kết quả cuối cùng của data.table trên sẽ là:

 dr1.d  dr1.p  dr2.d  dr2.p  dr3.d  dr3.p  dr4.d  dr4.p sym 
1: 1.3297993 0.0235776357 -0.7990092 0.02017788 -0.22426789 0.040288638 -0.4333103 0.03436105 sym 1 
2: 1.2724293 0.0004613738 -0.2894616 0.03485466 -0.05710677 0.003738094 0.7267507 0.02234770 sym 2 

Tôi đã cố gắng sử dụng .SD và lapply để thực hiện điều này, nhưng tôi không thể quấn quanh đầu tôi xung quanh nó. Cảm ơn bạn!

Answer 1

Điều quan trọng nhất (và mạnh mẽ) điều cần hiểu về data.table là, miễn là j trả về một danh sách , mỗi phần tử của danh sách sẽ trở thành một cột trong kết quả.

Với kiến ​​thức và một số cơ sở R niềm vui, chúng ta có thể có được kết quả này trực tiếp bằng cách thực hiện:

# I'm on v1.9.7, see https://github.com/Rdatatable/data.table/wiki/Installation 
cols1 = grep("d$", names(dt), value=TRUE) 
cols2 = grep("p$", names(dt), value=TRUE) 
dt[, Map(`[`, mget(c(cols1,cols2)), lapply(mget(cols2), which.min)), by=sym] 
#  sym dr1.d  dr2.d  dr3.d  dr4.d  dr1.p  dr2.p 
# 1: sym 1 1.329799 -0.7990092 -0.22426789 -0.4333103 0.0235776357 0.02017788 
# 2: sym 2 1.272429 -0.2894616 -0.05710677 0.7267507 0.0004613738 0.03485466 
#   dr3.p  dr4.p 
# 1: 0.040288638 0.03436105 
# 2: 0.003738094 0.02234770 

Xem vignettes để biết thêm.

Answer 2

Với một số nóng chảy và đúc này là khá đơn giản

library(data.table) 

set.seed(0) 
dt <- data.table(dr1.d=rnorm(5), dr1.p=abs(rnorm(5, sd=0.08)), 
       dr2.d=rnorm(5), dr2.p=abs(rnorm(5, sd=0.08)), 
       dr3.d=rnorm(5), dr3.p=abs(rnorm(5, sd=0.08)), 
       dr4.d=rnorm(5), dr4.p=abs(rnorm(5, sd=0.08)), 
       sym = paste("sym", c(1,1,1,2,2))) 


dt[, rowid := .I] #add a row identifier 
dt <- melt(dt, id.vars = c("sym", "rowid"), variable.factor = F) 

dt[, c("col","val") := tstrsplit(variable, "." , fixed = T)] #split the column so we can group 
dt[, variable := NULL] #small cleanup 


dt <- dcast(dt, sym + rowid + col ~ val) 
dt <- dt[, .SD[which.min(p)], by = .(sym,col)] #select min row 

dt[, rowid := NULL] #cleanup 

dt <- dcast(melt(dt, id.vars = c("sym","col")), sym ~ col + variable) 
dt 
     sym dr1_d  dr1_p  dr2_d  dr2_p  dr3_d  dr3_p  dr4_d  dr4_p 
1: sym 1 1.329799 0.0235776357 -0.7990092 0.02017788 -0.22426789 0.040288638 -0.4333103 0.03436105 
2: sym 2 1.272429 0.0004613738 -0.2894616 0.03485466 -0.05710677 0.003738094 0.7267507 0.02234770 

Answer 3

Dưới đây là một cách tiếp cận tất cả-trong-một, mặc dù bạn có thể muốn chia nó thành những bước riêng biệt để có thể đọc:

dcast(melt(dt, measure = patterns("\\.p$", "\\.d$"), id.vars = "sym", 
    value.name = c("p", "d"))[, .SD[which.min(p)], by = list(sym, variable)], 
    sym ~ variable, value.var = c("p", "d")) 
#  sym   p_1  p_2   p_3  p_4  d_1  d_2   d_3  d_4 
#1: sym 1 0.0235776357 0.02017788 0.040288638 0.03436105 1.329799 -0.7990092 -0.22426789 -0.4333103 
#2: sym 2 0.0004613738 0.03485466 0.003738094 0.02234770 1.272429 -0.2894616 -0.05710677 0.7267507 

Đó là về cơ bản tan chảy bởi hai mẫu đầu tiên, sau đó giảm dần theo giá trị p tối thiểu, sau đó dcasting trở lại định dạng rộng.