子集具有的功能的矢量的每一个级别，并返回一个新的数据帧（在R）

Question

我有两种载体，“速度”和“ID”它看起来像这样一个简单的数据帧：

mydata 
ID  Speed 
1 1 6.031847 
2 1 7.050654 
3 1 7.769475 
4 1 8.838968 
5 1 9.956571 
6 1 11.146864 
7 1 11.967616 
8 1 13.078422 
9 1 14.214301 
10 1 14.974159 
11 2 16.048627 
12 2 17.070484 
.. . ......... 

我想使与速度值的前20％的数据帧的一个子集：

subset0.20<-subset(mydata, Speed > quantile(Speed, prob = 1 - 20/100, na.rm=T)) 

但我不希望它为整个数据集，因为这会回到我不等量的值的每个ID 。

因此，必须为每个ID计算前20％的值，然后将每个ID的结果合并到一个新的数据帧中。然后，该数据帧将包括8行（这是我的原始数据集的20％，其中有40个行）

所以我做了一些咬甲癖的掏出一些头发，并试图“for循环”，如：

for(i in 1:length(ID)){ 
    subset0.80<-subset(mydata[i], GForce > quantile(Speed, prob = 1 - 20/100, na.rm=T)) 
    } 

之类的东西适用于：

apply(mydata$Speed, 1 ,function(x) (subset(x > quantile(Speed, prob = 1 - 20/100, na.rm=T)))) 

但我只是没有经验有R得到它的工作..任何人都可以帮助我，并给我解释一切，我做错了什么事情？

dput(mydata) 
structure(list(ID = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 
2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 
4, 4, 4, 4, 4, 4), Speed = c(6.03184705225504, 7.05065401832249, 
7.76947483668907, 8.83896842017956, 9.95657139135043, 11.1468640558647, 
11.9676155772803, 13.0784218506988, 14.2143010441769, 14.9741594881612, 
16.0486271520862, 17.0704843261466, 17.9324808839116, 19.1169673939822, 
20.0528330256269, 20.9320440815571, 22.0379467007031, 22.962355355126, 
24.0764744246649, 25.1182530133201, 26.0456043859692, 26.9528777031822, 
27.9414746553538, 29.129640434174, 29.9443040639644, 30.9226103003052, 
31.9932286699133, 32.9925644101585, 33.9930708538141, 35.0124438238874, 
35.9215486087666, 36.9015465999988, 38.1044534443389, 39.0368063088987, 
40.272189714015, 40.8993100278334, 41.9790311160737, 43.1027190745506, 
43.8575622361406, 45.0499599122387)), .Names = c("ID", "Speed" 
), row.names = c(NA, -40L), class = "data.frame") 

Answer 1

使用by，你可以调用每个ID的subset功能。那么你可以用bind结果使用do.call将list转换为data.frame。

你可以做这样的事情：

do.call(rbind,by(mydata,mydata$ID,FUN= function(x) 
     subset(x, Speed > quantile(Speed, prob = 1 - 20/100, na.rm=T)))) 

    ID Speed 
1.9 1 14.21430 
1.10 1 14.97416 
2.19 2 24.07647 
2.20 2 25.11825 
3.29 3 33.99307 
3.30 3 35.01244 
4.39 4 43.85756 
4.40 4 45.04996 

Answer 2

有几个方式来做到这一点（很多，这可能会造成混淆）。下面是一个使用ave：

GetMe <- with(mydata, 
       ave(Speed, ID, FUN = function(x) 
       x > quantile(x, prob = 1 - 20/100, na.rm = TRUE))) 

mydata[GetMe == 1, ] 
# ID Speed 
# 9 1 14.21430 
# 10 1 14.97416 
# 19 2 24.07647 
# 20 2 25.11825 
# 29 3 33.99307 
# 30 3 35.01244 
# 39 4 43.85756 
# 40 4 45.04996 

的data.table包也不错了这一点：

library(data.table) 
DT <- data.frame(mydata) 
DT[, list(Speed = Speed[Speed > quantile(Speed, prob = 1 - 20/100, na.rm = TRUE)]), by = "ID"] 
# ID Speed 
# 1: 1 14.21430 
# 2: 1 14.97416 
# 3: 2 24.07647 
# 4: 2 25.11825 
# 5: 3 33.99307 
# 6: 3 35.01244 
# 7: 4 43.85756 
# 8: 4 45.04996 

Answer 3

一种方法是split您的数据通过ID然后用lapply dataframes的最终名单上找到你的顶部20％分位数。最后，使用do.call和rbind将结果绑定在一起。

result <- do.call(rbind, lapply(split(mydata, mydata$ID), function(X) { 
    subset(X, Speed > quantile(Speed, prob = 1 - 20/100, na.rm = T)) 
})) 

result 
##  ID Speed 
## 1.9 1 14.21430 
## 1.10 1 14.97416 
## 2.19 2 24.07647 
## 2.20 2 25.11825 
## 3.29 3 33.99307 
## 3.30 3 35.01244 
## 4.39 4 43.85756 
## 4.40 4 45.04996 

Answer 4

试试这个

library(plyr) 

> ddply(mydata, .(ID), function(x) subset(x, Speed > quantile(Speed, prob = 1 - 20/100, na.rm=T))) 
    ID Speed 
1 1 14.21430 
2 1 14.97416 
3 2 24.07647 
4 2 25.11825 
5 3 33.99307 
6 3 35.01244 
7 4 43.85756 
8 4 45.04996 

@ SimonO101

尝试使用melt从reshape2

res <- aggregate(Speed ~ ID , data = mydata , function(x) { y <- rev(seq(length(x) , by = -1 ,length.out =(length(x)/5))) ; cbind(x[y[1]],x[y[2]]) }) 

> melt(res, id.vars="ID") 
    ID variable value 
1 1 Speed 14.21430 
2 2 Speed 24.07647 
3 3 Speed 33.99307 
4 4 Speed 43.85756 
5 1 Speed 14.97416 
6 2 Speed 25.11825 
7 3 Speed 35.01244 
8 4 Speed 45.04996 

也许，在这之后，你可能想要删除第二列： - ）。

Answer 5

这到底是什么。下面是base R.使用aggregate一个在线解决方案，您得到每ID稍有不同的数据格式一行，并在它自己的列中的每个速度值：

aggregate(Speed ~ ID , data = mydata , function(x) { y <- rev(seq(length(x) , by = -1 ,length.out =(length(x)/5))) ; cbind(x[y[1]],x[y[2]]) }) 

    ID Speed.1 Speed.2 
#1 1 14.21430 14.97416 
#2 2 24.07647 25.11825 
#3 3 33.99307 35.01244 
#4 4 43.85756 45.04996