insertar - Cómo seleccionar filas por grupo con el valor mínimo y que contienen NA en R

seleccionar filas en r

Question

Aquí hay un ejemplo:

set.seed(123)    
data<-data.frame(X=rep(letters[1:3], each=4),Y=sample(1:12,12),Z=sample(1:100, 12))
data[data==3]<-NA

Lo que me daré cuenta es seleccionar la única fila de X con un mínimo de Y al ignorar las NA :

a 4 68
b 1 4
c 2 64

¿Cuál es la mejor manera de hacer eso?

Answer 1

Esto no selecciona las filas usando un índice, pero devuelve los valores que desea ...

ddply(data, .(X), summarise, min=min(Y, na.rm=T))

  X min
1 a   5
2 b   1
3 c   4

EDITAR DESPUÉS DEL COMENTARIO : Para seleccionar las filas completas, puede:

ddply(data, .(X), function(x) arrange(x, Y)[1, ])

  X Y  Z
1 a 4 68
2 b 1  4
3 c 2 64

O

data$index <- 1L:nrow(data)
i <- by(data, data$X, function(x) x$index[which.min(x$Y)] )
data[i, ]

   X Y  Z index
1  a 4 68     1
6  b 1  4     6
10 c 2 64    10

Answer 2

Usando el paquete data.table , esto es trivial:

library(data.table)

d <- data.table(data)
d[, min(Y, na.rm=TRUE), by=X]

También puede usar plyr y su función ddply :

library(plyr)

ddply(data, .(X), summarise, min(Y, na.rm=TRUE))

O usando la base R:

aggregate(X ~ ., data=data, FUN=min)

Basado en las ediciones, usaría data.table seguro:

d[, .SD[which.min(Y)], by=X]

Sin embargo, hay soluciones que usan base R u otros paquetes.

Answer 3

Usar un subconjunto para cada letra puede ser que esto puede ayudar

data<-data.frame(X=rep(letters[1:3], each=4),Y=sample(1:12,12))
dataA <- subset(data, data$X=="a")
min(dataA$Y, na.rm=TRUE)