poligono - Agregue una variable a un marco de datos que contenga el valor máximo de cada fila

poligono en r

Question

Quiero agregar una variable (columna) a un marco de datos ( df ), que contenga en cada fila el valor máximo de esa fila de la 2ª a la 26ª columna.

Para la primera fila, el código sería:

df$max[1] <- max(df[1,2:26])

Estoy buscando una manera de generalizar eso para las filas 1 a 865. Si doy:

df$max[1:865] <- max(df[1:865, 2:26])

Obtengo el máximo general en todas las filas para la variable df$max .

Answer 1

Aquí hay dos métodos adicionales. El primero, en la base R, es combinar la extracción de matriz [ con max.col , que devuelve un vector que indexa la posición de la columna del valor máximo en cada fila.

df$max <- df[2:26][cbind(seq_len(nrow(df)), max.col(df[2:26]))]

cbind construye una matriz que indexa la posición del valor máximo para cada fila y [ usa esto para extraer este valor.

El segundo es usar rowMaxs en el paquete matrixStats .

Vamos a hacer algunas evaluaciones comparativas.

# data.frame with 1000 observations and 26 variables
set.seed(1234)
df <- data.frame(id=paste0(letters[-1], 1:40), matrix(rnorm(25000L, 5L, 10L), 1000L))

También agregue la función matrixStats paquete matrixStats a la mezcla.

library(matrixStats)
library(microbenchmark)
microbenchmark(apply=apply(df[, 2:26], 1, max),
pmax=do.call(pmax, df[2:26]),
max.colSub=df[2:26][cbind(seq_len(nrow(df)), max.col(df[2:26]))],
rowMaxs=rowMaxs(as.matrix(df[2:26])))
Unit: microseconds
expr min lq mean median uq max neval cld
apply 1610.540 1786.5905 2193.5334 1863.5680 1990.4380 6915.999 100 c
pmax 354.382 364.6455 380.1720 373.3405 385.4580 567.923 100 a
max.colSub 604.416 651.7430 822.6015 664.7155 681.2510 3086.512 100 b
rowMaxs 243.762 264.0040 320.2350 277.9750 290.5190 2328.712 100 a

Entonces, rowMaxs es el claro ganador seguido de pmax y luego de max.col , con extracción de matriz, y se apply en el extremo final del paquete.

Con un data.frame con 10000 filas y 26 columnas, obtenemos una historia similar:

set.seed(1234)
df <- data.frame(id=paste0(letters[-1], 1:400), matrix(rnorm(250000L, 5L, 10L), 10000L))

El código anterior devuelve

Unit: milliseconds
expr min lq mean median uq max neval cld
apply 15.193361 18.299830 21.737516 20.337880 21.774793 99.44836 100 c
pmax 3.060853 3.101481 3.156630 3.137545 3.191430 3.54182 100 a
max.colSub 3.338828 3.642603 7.051700 3.992708 6.336531 84.43119 100 b
rowMaxs 1.244184 1.322302 2.675281 1.508474 1.638053 79.28054 100 a

Answer 2

Puede utilizar apply . Por ejemplo:

df[, "max"] <- apply(df[, 2:26], 1, max)

Aquí hay un ejemplo básico:

> df <- data.frame(a=1:50, b=rnorm(50), c=rpois(50, 10))
> df$max <- apply(df, 1, max)
> head(df, 2)
a b c max
1 1 1.3527115 9 9
2 2 -0.6469987 20 20
> tail(df, 2)
a b c max
49 49 -1.4796887 10 49
50 50 0.1600679 13 50

Answer 3

Versión vectorizada con pmax :

df$max <- do.call(pmax, df[2:26])