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])