Группировать строки фрейма данных и работать с ними

Question

У меня есть следующий фрейм данных:

mydata=data.frame(class = c("class 1", "class 2", "class 1", "class 2", "class 3",
                            "class 3", "class 1", "class 2", "class 1", "class 2",
                            "class 3", "class 1", "class 2", "class 3", "class 3"), 
                  word=c("A","B","A","C","A","B","A","C","D", "F", "G", "A", "U",
                         "A", "U"), weight=c(0.1,0.2,0.25,0.01,0.19,0.27,0.32,
                                             0.04,0.005,0.111,0.56,0.056,0.08,
                                             0.099,0.2345))

Для каждого класса, т. Е. class 1, class 2, class 3, я бы хотел удалить из mydata первые три слова (см. столбец word) с большим весом (см. столбец weight). Для моего простого примера, код, который реализует эту задачу:

x=table(mydata$class)
class=names(x)
y=mydata[mydata$class==class[1],]
y=y[order(y$weight,decreasing=TRUE),]
y=head(y,3)

z=mydata[mydata$class==class[2],]
z=z[order(z$weight,decreasing=TRUE),]
z=head(z,3)

w=mydata[mydata$class==class[3],]
w=w[order(w$weight,decreasing=TRUE),]
w=head(w,3)

И затем, желаемый результат:

> y$word
[1] A A A
Levels: A B C D F G U
> z$word
[1] B F U
Levels: A B C D F G U
> w$word
[1] G B U
Levels: A B C D F G U

Если бы у меня было больше классов, я бы использовал для l oop сохранение слов в списке. Но ... Есть ли более простой способ получить этот результат?

Answer 1

Использование data.table:

setDT(mydata)
dt = mydata[, lapply(.SD, function(x) x[order(weight, decreasing = T)][1:3]), keyby = class]

> dt
     class word weight
1: class 1    A 0.3200
2: class 1    A 0.2500
3: class 1    A 0.1000
4: class 2    B 0.2000
5: class 2    F 0.1110
6: class 2    U 0.0800
7: class 3    G 0.5600
8: class 3    B 0.2700
9: class 3    U 0.2345

Answer 2

Вы можете попробовать использовать dplyr

library(dplyr)

mydata %>% 
  group_by(class) %>% 
  arrange(class, desc(weight)) %>% 
  slice(1:3)

#   class   word  weight
#   <fct>   <fct>  <dbl>
# 1 class 1 A      0.32 
# 2 class 1 A      0.25 
# 3 class 1 A      0.1  
# 4 class 2 B      0.2  
# 5 class 2 F      0.111
# 6 class 2 U      0.08 
# 7 class 3 G      0.56 
# 8 class 3 B      0.27 
# 9 class 3 U      0.234

---

Редактировать: функция slice выбирает первые 3 строки (в данном случае) для каждой группы в сгруппированном кадре данных. В отличие от top_n, slice отбрасывает возможные связи.

Answer 3

Вот базовый подход R с выводом, аналогичным вашему запросу.

lapply(split(mydata,mydata$class),function(x){x[order(x$weight,decreasing=TRUE),"word"][1:3]})
$`class 1`
[1] A A A
Levels: A B C D F G U

$`class 2`
[1] B F U
Levels: A B C D F G U

$`class 3`
[1] G B U
Levels: A B C D F G U