Encontrar el máximo de ejecución por grupo

max groupwise-maximum

Question

Necesito encontrar un máximo de una variable por grupo usando R. La variable se ordena por tiempo dentro del grupo usando df[order(df$group, df$time),] .

Mi variable tiene algunos NA, pero puedo manejarlo reemplazándolos con ceros para este cálculo.

así es como se ve el marco de datos df:

(df <- structure(list(var = c(5L, 2L, 3L, 4L, 0L, 3L, 6L, 4L, 8L, 4L),
               group = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L),
                                 .Label = c("a", "b"), class = "factor"),
               time = c(1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L)),
          .Names = c("var", "group","time"),
          class = "data.frame", row.names = c(NA, -10L)))

#    var group time
# 1    5     a    1
# 2    2     a    2
# 3    3     a    3
# 4    4     a    4
# 5    0     a    5
# 6    3     b    1
# 7    6     b    2
# 8    4     b    3
# 9    8     b    4
# 10   4     b    5

Y quiero una variable curMax como:

var  |  group  |  time  |  curMax
5       a         1         5
2       a         2         5
3       a         3         5
4       a         4         5
0       a         5         5
3       b         1         3
6       b         2         6
4       b         3         6
8       b         4         8
4       b         5         8

Avíseme si tiene alguna idea de cómo implementarlo en R.

Answer 1

Podemos probar data.table . Convierta el ''data.frame'' a ''data.table'' ( setDT(df1) ), agrupado por ''group'', obtenemos el cummax de ''var'' y lo asignamos ( := ) a una nueva variable (''curMax'')

library(data.table)
setDT(df1)[, curMax := cummax(var), by = group]

Como comentó @Michael Chirico, si los datos no están order por ''hora'', podemos hacerlo en la ''i''

setDT(df1)[order(time), curMax:=cummax(var), by = group]

O con dplyr

library(dplyr)
df1 %>% 
    group_by(group) %>%
    mutate(curMax = cummax(var)) 

Si df1 es tbl_sql puede ser necesario realizar un pedido explícito, utilizando arrange

df1 %>% 
    group_by(group) %>%
    arrange(time, .by_group=TRUE) %>%
    mutate(curMax = cummax(var)) 

o dbplyr::window_order

library(dbplyr)

df1 %>% 
    group_by(group) %>%
    window_order(time) %>%
    mutate(curMax = cummax(var)) 

Answer 2

puedes hacerlo así:

df$curMax <- ave(df$var, df$group, FUN=cummax)