dplyr分组聚合时如何获取最大值对应的STATUS列值

测试数据 #

首先构造测试数据框：

YEAR <- c(2019, 2019,2020, 2020, 2019,2020,2020,2019,2020)
GROUP <- c("A","A","A", "A","B","B","B","A","B")
VALUE <- c(1,4,3, 8 ,5,3,2,6,7)
STATUS <- c("on","off", "off", "on", "on", "on", "off", "off", "off")

testdata <- data.frame(YEAR, GROUP, STATUS, VALUE)

问题描述 #

按YEAR和GROUP分组后，需要同时获取每组VALUE的最大值，以及该最大值对应的STATUS值。直接用summarise结合first(STATUS)无法得到正确结果——first(STATUS)取的是分组内第一条记录的状态，而非最大值对应的状态。比如2019年GROUP A的最大值是6，对应的STATUS应为off，但错误代码返回的是on。

解决方案 #

方法1：用slice_max筛选最大值所在行 #

直接筛选出每组中VALUE最大的行，保留所有需要的列：

library(dplyr)

testdata %>%
  group_by(YEAR, GROUP) %>%
  slice_max(n = 1, order_by = VALUE) %>%
  rename(max_value = VALUE) %>%
  ungroup()

如果每组存在多个相同最大值的记录，n = 1只会取第一条；若要保留所有最大值记录，可去掉n = 1参数。

方法2：在summarise中匹配最大值对应的STATUS #

先计算最大值，再通过匹配逻辑获取对应的STATUS：

testdata %>%
  group_by(YEAR, GROUP) %>%
  summarise(
    max_value = max(VALUE),
    STATUS = STATUS[VALUE == max_value]
  ) %>%
  ungroup()

如果同一组有多个相同最大值，STATUS会返回一个向量；若要确保只返回一个值，可结合first()或unique()，比如STATUS = first(STATUS[VALUE == max_value])。

方法3：用filter结合group_by #

先分组计算最大值，再筛选出等于最大值的行：

testdata %>%
  group_by(YEAR, GROUP) %>%
  filter(VALUE == max(VALUE)) %>%
  rename(max_value = VALUE) %>%
  ungroup()

这种方法和slice_max效果类似，同样会保留所有最大值对应的记录。

内容的提问来源于stack exchange，提问作者EllisR8