Ранжирование с функцией соответствия в R?

Question

У меня есть следующий набор данных:

     Date  Team 1   Team 2  Team 3  Team 4  Team 5  Team 6
25-Sep-18   17  9   11  14  19  9
24-Sep-18   18  3   2   19  16  5
21-Sep-18   15  11  4   11  9   5
20-Sep-18   1   12  13  18  11  2
19-Sep-18   10  5   6   16  16  13
18-Sep-18   1   13  1   18  5   2
17-Sep-18   16  3   1   13  18  11
14-Sep-18   6   9   18  17  17  1
13-Sep-18   8   4   19  17  4   10
12-Sep-18   6   13  14  6   12  14
11-Sep-18   15  7   9   12  4   3
10-Sep-18   3   11  11  2   5   19
7-Sep-18    1   17  13  9   18  1

Я могу ранжировать столбцы Team и определить, какое наибольшее значение, но у меня возникают проблемы при создании другого фрейма данных с наибольшимзначение, а также соответствующую дату, например:

Team Name Date  Result
Team 1  24-Sep  18
Team 2  7-Sep   17
Team 3  13-Sep  19
Team 4  24-Sep  19
Team 5  25-Sep  19
Team 6  10-Sep  19

Я не могу понять, читая форумы, было бы лучше ранжировать их, а затем использовать функцию соответствия, чтобы получить дату, или янужно искать для определения позиции индекса наибольшее значение, а затем использовать ее для создания нового фрейма?

(Как вы, вероятно, можете сказать, я действительно потерян в данный момент - я уверен, что естьболее простое решение, чем то, с чем я играю и надеялся, что кто-то может направить меня в правильном направлении).

Большое вам спасибо.

Answer 1

Вот 2-х строчное одноцепочечное решение с использованием tidyr -

library(tidyr)

gather(df, key = "Team", value = "value", Team1:Team6) %>%
  .[ave(.$value, .$Team, FUN = function(x) x == max(x)) > 0, ]

# Date  Team value
# 2  24-Sep-18 Team1    18
# 26  7-Sep-18 Team2    17
# 35 13-Sep-18 Team3    19
# 41 24-Sep-18 Team4    19
# 53 25-Sep-18 Team5    19
# 77 10-Sep-18 Team6    19

---

Данные -

df <- read.table(text="Date  Team1   Team2  Team3  Team4  Team5  Team6
25-Sep-18   17  9   11  14  19  9
                 24-Sep-18   18  3   2   19  16  5
                 21-Sep-18   15  11  4   11  9   5
                 20-Sep-18   1   12  13  18  11  2
                 19-Sep-18   10  5   6   16  16  13
                 18-Sep-18   1   13  1   18  5   2
                 17-Sep-18   16  3   1   13  18  11
                 14-Sep-18   6   9   18  17  17  1
                 13-Sep-18   8   4   19  17  4   10
                 12-Sep-18   6   13  14  6   12  14
                 11-Sep-18   15  7   9   12  4   3
                 10-Sep-18   3   11  11  2   5   19
                 7-Sep-18    1   17  13  9   18  1", header=TRUE)

Answer 2

Вот такой подход:

library(tidyverse)
tmp <- data.table::fread(
"     Date  Team_1   Team_2  Team_3  Team_4  Team_5  Team_6
25-Sep-18   17  9   11  14  19  9
24-Sep-18   18  3   2   19  16  5
21-Sep-18   15  11  4   11  9   5
20-Sep-18   1   12  13  18  11  2
19-Sep-18   10  5   6   16  16  13
18-Sep-18   1   13  1   18  5   2
17-Sep-18   16  3   1   13  18  11
14-Sep-18   6   9   18  17  17  1
13-Sep-18   8   4   19  17  4   10
12-Sep-18   6   13  14  6   12  14
11-Sep-18   15  7   9   12  4   3
10-Sep-18   3   11  11  2   5   19
7-Sep-18    1   17  13  9   18  1"
)

df.tmp <- tmp %>%
  mutate(Date = lubridate::as_date(Date,format = "%d-%b-%y",tz="")) %>%
  gather(starts_with("Team"),key= "team_name",value = "Results") %>%
  group_by(team_name) %>%
  top_n(n = 1, wt = Results) %>%
  arrange(team_name)

df.tmp
#> # A tibble: 6 x 3
#> # Groups:   team_name [6]
#>   Date       team_name Results
#>   <date>     <chr>       <int>
#> 1 2018-09-24 Team_1         18
#> 2 2018-09-07 Team_2         17
#> 3 2018-09-13 Team_3         19
#> 4 2018-09-24 Team_4         19
#> 5 2018-09-25 Team_5         19
#> 6 2018-09-10 Team_6         19

^{Создан в 2018-09-27 пакетом Представить (v0.2.1)}

Answer 3

Вот подход data.table.

library(data.table)
set.seed(1)

# Create fake dataset.
dt <- data.table(Date = paste0("Date", 1:10), Team1 = rnorm(10), Team2 = rnorm(10), Team3 = rnorm(10), Team4 = rnorm(10), Team5 = rnorm(10), Team6 = rnorm(10))

# Change format of fake dataset.
longDT <- melt(dt, id.vars = "Date", variable.name = "Team", value.name = "Result")

# Get the dates with the highest result for each team.
maxDate <- longDT[, list(MaxDate = Date[which.max(Result)]), by = Team]

# Inner join `longDT` and `maxDate` to retrieve the desired output.
want <- merge(longDT, maxDate, by.x = c("Date", "Team"), by.y = c("MaxDate", "Team"))
setorder(want, Team)
setcolorder(want, c("Team", "Date", "Result"))
want

    Team  Date    Result
1: Team1 Date3 1.9220531
2: Team2 Date6 0.7487642
3: Team3 Date3 1.4940476
4: Team4 Date1 2.0749170
5: Team5 Date1 0.9347443
6: Team6 Date2 1.0755934

Answer 4

Вот базовый подход R:

do.call(rbind, lapply(paste0("Team", 1:6), function(x) {
    #for each team x, find the row that has the largest score
    n <- which.max(df[,x])

    #extract the columns that you want
    data.frame(Team=x, Date=df$Date[n], Result=df[n, x])
}))

вывод:

   Team      Date Result
1 Team1 24-Sep-18     18
2 Team2  7-Sep-18     17
3 Team3 13-Sep-18     19
4 Team4 24-Sep-18     19
5 Team5 25-Sep-18     19
6 Team6 10-Sep-18     19

Или data.table подход:

library(data.table)
mDT <- melt(setDT(df), id.vars="Date", variable.name="Team", value.name="Result")
mDT[mDT[, .I[which.max(Result)], by=.(Team)]$V1]

вывод:

        Date  Team Result
1: 24-Sep-18 Team1     18
2:  7-Sep-18 Team2     17
3: 13-Sep-18 Team3     19
4: 24-Sep-18 Team4     19
5: 25-Sep-18 Team5     19
6: 10-Sep-18 Team6     19

данные:

df <- read.table(text="Date  Team1   Team2  Team3  Team4  Team5  Team6
25-Sep-18   17  9   11  14  19  9
24-Sep-18   18  3   2   19  16  5
21-Sep-18   15  11  4   11  9   5
20-Sep-18   1   12  13  18  11  2
19-Sep-18   10  5   6   16  16  13
18-Sep-18   1   13  1   18  5   2
17-Sep-18   16  3   1   13  18  11
14-Sep-18   6   9   18  17  17  1
13-Sep-18   8   4   19  17  4   10
12-Sep-18   6   13  14  6   12  14
11-Sep-18   15  7   9   12  4   3
10-Sep-18   3   11  11  2   5   19
7-Sep-18    1   17  13  9   18  1", header=TRUE)