R：獲得一個列的最小值在分類變量

條件我有一個數據集，看起來像下面這樣：R：獲得一個列的最小值在分類變量

Attribute estimate  
    Proximity 3.7 
    Proximity 1.54  
    Proximity 0.45  
    Waittime 0.7 
    Waittime 0.76  
    service  0.6 
    Knowledge 0.7

我想每個屬性的最大值和最小值。我知道我可以使用下面的代碼得到的結果：

min = fit.leb %>% 
#For each Class 
group_by(Attribute) %>% 
filter(estimate == min(estimate))

但因爲我有一個只有1個值（即知識）的屬性，這些屬性類型，我想返回的值給我爲0。也就是說，我要像一個結果如下：

Attribute estimate  
    Proximity 0.45  
    Waittime 0.7 
    service  0 
    Knowledge 0

我不知道如何調整代碼，我必須適應這種額外的條件

來源

2016-02-14 lll

您可以使用這樣的事情：

df %>% group_by(Attribute) %>% summarise(estimate = ifelse(n() > 1, min(estimate), 0))

輸出將是如下：

Source: local data frame [4 x 2] 

    Attribute estimate 
    (fctr) (dbl) 
1 Knowledge  0.00 
2 Proximity  0.45 
3 service  0.00 
4 Waittime  0.70

來源

2016-02-14 05:33:29 Gopala

這裏有一個自定義函數將返回0時傳遞給它的數據的長度爲1，否則返回最小值。

my_min <- function(data) { 
    if (length(data) == 1) { 
    0 
    } else { 
    min(data, na.rm = TRUE) # assuming you want to remove NAs 
    } 
}

你可以用dpyr::summarize()使用它像這樣：

fit.leb %>% 
    group_by(Attribute) %>% 
    summarize(estimate = my_min(estimate))

來源

2016-02-14 05:25:10

我喜歡Kara Woo的解決方案，但我n你不想定義你自己的功能：

fit.leb <- data.frame(Attribute = c('Proximity', 
            'Proximity', 
            'Proximity',  
            'Waittime', 
            'Waittime',  
            'service', 
            'Knowledge'), 
         estimate = runif(7) 
        ) 


fit.leb %>% group_by(Attribute) %>% 
      mutate(count_by_group = n()) %>% 
      mutate(repeated_values = estimate * as.logical((count_by_group - 1))) %>% 
      summarize(my_min = min(repeated_values))

來源

2016-02-14 05:38:12

R：獲得一個列的最小值在分類變量

回答

相關問題