按分组获取最值、中位数对应名称及总值的R语言数据处理需求

原始数据 #

我们有如下tibble表格：

# A tibble: 6 x 3
  Group Name  Value
  <chr> <chr> <dbl>
1 VA    John      2
2 VA    James     6
3 VA    Joe       3
4 NY    Emily     6
5 NY    Dave      3
6 NY    Deb       4

需求说明 #

按Group字段分组，返回每组中：

• Value最大值对应的Name（命名为Max）
• Value最小值对应的Name（命名为Min）
• Value中位数对应的Name（命名为Med）
• 该组Value的总和（命名为Total）

解决方案 #

使用dplyr包可以高效实现需求，代码如下：

library(dplyr)

# 假设原始数据存储在original_df中
result_df <- original_df %>%
  group_by(Group) %>%
  summarize(
    Max = slice_max(Value, n = 1) %>% pull(Name),
    Min = slice_min(Value, n = 1) %>% pull(Name),
    Med = filter(Value == median(Value)) %>% pull(Name),
    Total = sum(Value)
  )

结果验证 #

运行代码后得到的结果与期望一致：

# A tibble: 2 x 5
  Group Max   Min   Med   Total
  <chr> <chr> <chr> <chr> <dbl>
1 VA    James John  Joe      11
2 NY    Emily Dave  Deb      12

代码说明 #

• group_by(Group)：按Group字段对数据分组
• slice_max(Value, n = 1)：提取每组中Value最大的行，再通过pull(Name)获取对应的姓名
• slice_min(Value, n = 1)：同理提取每组Value最小对应的姓名
• filter(Value == median(Value))：筛选出Value等于该组中位数的行，再提取姓名；由于每组数据量为3，中位数唯一，无需处理多值情况
• sum(Value)：计算每组Value的总和

内容的提问来源于stack exchange，提问作者Jimmy Cloutier