Новый столбец data.table возвращает n-е по величине значение в строке

Мои данные выглядят примерно так:

set.seed(1)
dt <- data.table(rank=c(3,4,2,1),`1`=rnorm(4),`2`=rnorm(4),`3`=rnorm(4),`4`=rnorm(4),`5`=rnorm(4),`6`=rnorm(4))

   rank          1          2          3           4           5           6
1:    3 -0.6264538  0.3295078  0.5757814 -0.62124058 -0.01619026  0.91897737
2:    4  0.1836433 -0.8204684 -0.3053884 -2.21469989  0.94383621  0.78213630
3:    2 -0.8356286  0.4874291  1.5117812  1.12493092  0.82122120  0.07456498
4:    1  1.5952808  0.7383247  0.3898432 -0.04493361  0.59390132 -1.98935170

Я хотел бы добавить новый столбец rank_match, который находит n-е (взятое из столбца rank) наибольшее значение в строке от столбцов с именами 1 до 6. Например, первая строка будет искать 3-е по величине значение в строке от столбцов с именем 1 до 6, которое составляет 0,3295078.

Что-то вроде этого (но они, конечно, не работают):

dt[,rank_match := (sort(`1`:`6`, decreasing = TRUE)[rank])]
dt[,rank_match := (sort(.SD, decreasing = TRUE)[rank]), .SDcols=`1`:`6`]

Результат должен выглядеть примерно так:

   rank          1          2          3           4           5           6 rank_match
1:    3 -0.6264538  0.3295078  0.5757814 -0.62124058 -0.01619026  0.91897737  0.3295078
2:    4  0.1836433 -0.8204684 -0.3053884 -2.21469989  0.94383621  0.78213630 -0.3053884
3:    2 -0.8356286  0.4874291  1.5117812  1.12493092  0.82122120  0.07456498  1.1249309
4:    1  1.5952808  0.7383247  0.3898432 -0.04493361  0.59390132 -1.98935170  1.5952808

Большое спасибо.

r data.table

11.01.2019 14:48

Стоит ли изучать PHP в 2023-2024 годах?

Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...

Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией

В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.

Приемы CSS-макетирования - floats и Flexbox

Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...

Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest

В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...

Концепция локализации и ее применение в приложениях React ⚡️

Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...

Пользовательский скаляр GraphQL

Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...

176

Перейти к ответу Данный вопрос помечен как решенный

Ответы 5

Один из вариантов - сгруппировать по последовательности строк, указать интересующие столбцы, начиная со столбца 2 и далее, unlist, Subset of Data.table, sort в порядке убывания, установить подмножество значения на основе столбца 'rank' и присвоить ему 'rank_match '

dt[, rank_match := sort(unlist(.SD), decreasing = TRUE)[rank], 
           1:nrow(dt), .SDcols = 2:ncol(dt) ]
dt
#   rank          1          2          3           4           5           6 rank_match
#1:    3 -0.6264538  0.3295078  0.5757814 -0.62124058 -0.01619026  0.91897737  0.3295078
#2:    4  0.1836433 -0.8204684 -0.3053884 -2.21469989  0.94383621  0.78213630 -0.3053884
#3:    2 -0.8356286  0.4874291  1.5117812  1.12493092  0.82122120  0.07456498  1.1249309
#4:    1  1.5952808  0.7383247  0.3898432 -0.04493361  0.59390132 -1.98935170  1.5952808

Другой вариант - использовать melt, а затем получить соответствующее значение столбца "значение".

out <- melt(dt, id.var = c('rn', 'rank'))[order(-value), 
                  value[rank[1]] , .(rn)][order(rn)]$V1
dt[, rank_match := out][, rn := NULL][]

Или компактный подход, предложенный @IceCreamToucan

dt[, rank_match := melt(.SD, 'rank')[, value[order(-value)[rank]], rank]$V1]

Или используйте pmap (от purrr) для прокрутки строк

library(purrr)
dt[, rank_match := pmap_dbl(.SD, ~ c(...) %>% 
                                    {sort(-.[-1])[.[1]]})]

11.01.2019 14:50

apply указанная функция в каждой строке .SD:

dt[, rank_match := apply(.SD, 1, function(x) -sort(-x[-1])[x[1]])]

давая:

   rank          1          2          3           4           5           6 rank_match
1:    3 -0.6264538  0.3295078  0.5757814 -0.62124058 -0.01619026  0.91897737  0.3295078
2:    4  0.1836433 -0.8204684 -0.3053884 -2.21469989  0.94383621  0.78213630 -0.3053884
3:    2 -0.8356286  0.4874291  1.5117812  1.12493092  0.82122120  0.07456498  1.1249309
4:    1  1.5952808  0.7383247  0.3898432 -0.04493361  0.59390132 -1.98935170  1.5952808

Еще одно отличное решение, которое хорошо работает @G. Гротендик Спасибо.

— 11.01.2019 21:17

11.01.2019 15:00

Ответ принят как подходящий

dt[, rank_match := apply(.SD, 1, function(x) x[order(-x)][rank]), by = rank, .SDcols = `1`:`6`]
dt
   rank          1          2          3           4           5           6 rank_match
1:    3 -0.6264538  0.3295078  0.5757814 -0.62124058 -0.01619026  0.91897737  0.3295078
2:    4  0.1836433 -0.8204684 -0.3053884 -2.21469989  0.94383621  0.78213630 -0.3053884
3:    2 -0.8356286  0.4874291  1.5117812  1.12493092  0.82122120  0.07456498  1.1249309
4:    1  1.5952808  0.7383247  0.3898432 -0.04493361  0.59390132 -1.98935170  1.5952808

Спасибо @snoram, этот ответ кажется мне наиболее читаемым, хотя все остальные тоже работают.

— 11.01.2019 21:13

11.01.2019 15:02

DescTools::Large возвращает n-е самые большие элементы из вектора без сортировки всего этого. Не уверен, как это сравнивается с dt[order(-value)[rank], ...].

library(DescTools)
library(data.table)

dt[, rank_match := melt(dt, 'rank')[, Large(value, rank)[1], rank]$V1]


#    rank          1          2          3           4           5           6 rank_match
# 1:    3 -0.6264538  0.3295078  0.5757814 -0.62124058 -0.01619026  0.91897737  0.3295078
# 2:    4  0.1836433 -0.8204684 -0.3053884 -2.21469989  0.94383621  0.78213630 -0.3053884
# 3:    2 -0.8356286  0.4874291  1.5117812  1.12493092  0.82122120  0.07456498  1.1249309
# 4:    1  1.5952808  0.7383247  0.3898432 -0.04493361  0.59390132 -1.98935170  1.5952808

Примечание: если некоторые строки имеют одинаковый ранг, вы должны использовать логику rn / номера строки, как в ответе akrun.

11.01.2019 15:25

Альтернативная реализация Таблица данных (с двумя вариантами):

# option 1
dt[melt(dt, id = 1)[, value[frank(-value) == .BY], by = rank]
   , on = .(rank)
   , rank_match := V1 ]

# option 2
dt[, rank_match := melt(dt, id = 1)[, value[frank(-value) == .BY], by = rank]$V1 ]

которые оба дают желаемый результат:

> dt
   rank          1          2          3           4           5           6 rank_match
1:    3 -0.6264538  0.3295078  0.5757814 -0.62124058 -0.01619026  0.91897737  0.3295078
2:    4  0.1836433 -0.8204684 -0.3053884 -2.21469989  0.94383621  0.78213630 -0.3053884
3:    2 -0.8356286  0.4874291  1.5117812  1.12493092  0.82122120  0.07456498  1.1249309
4:    1  1.5952808  0.7383247  0.3898432 -0.04493361  0.59390132 -1.98935170  1.5952808

11.01.2019 16:02