Sélection de lignes correspond au max d'une variable pour chaque valeur d'une autre variable

Version imprimable

Bonjour à tous,
voila mon problème, je cherche à extraire les lignes d'un data.frame correspondant au max de la variable temps pour chaque variable individu, mais je bloque. Je sais que cela est faisable avec une boucle, mais mon fichier étant assez important j'aurais aimé éviter.

Voici mes données:
Code:

1 2 3 4 5 6 7 8 9 10 11 12 DataEx<-data.frame(Indiv=c("A","A","B","B","B","C","C"),Tmp=c(3,4,5,1,3,3,1),Val1=c(1,2,3,4,1,2,1)) > DataEx Indiv Tmp Val1 1 A 3 1 2 A 4 2 3 B 5 3 4 B 1 4 5 B 3 1 6 C 3 2 7 C 1 1
et je voudrais récupérer:
Code:

1 2 3 4 1 A 3 1 3 B 5 3 6 C 3 2
Pour l'instant je récupère l'indice pour chaque indiv de la Tmp max avec:
Code:

1 2 3 4 tapply(DataEx$Tmp,DataEx$Indiv,which.max) A B C 2 1 1
mais il me faudrait l'indice dans le data.frame global et non pour chaque indiv.

Des idées?
Je vais continuer à chercher.

Benoît

Bon j'ai réussi avec une boucle, mais je pense qu'il y a moyen d'optimiser donc si vous avez des idées...

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
 
TmpMax<-tapply(DataEx$Tmp,DataEx$Indiv,max)
 
 TmpMax
A B C 
4 5 3 
 
VecIndiv<-unique(DataEx$Indiv)
 
 VecIndiv
[1] A B C
Levels: A B C
 
IndiceTmpMax<-numeric()
 
 for (i in 1:length(VecIndiv)) {
   IndiceTmpMax[i]<-which(DataEx$Indiv==VecIndiv[i] & DataEx$Tmp==TmpMax[i])
 }
 
 IndiceTmpMax
[1] 2 3 6
 
DataExTmpMax<-DataEx[IndiceTmpMax,]
 
 DataExTmpMax
  Indiv Tmp Val1
2     A   4    2
3     B   5    3
6     C   3    2

Bonjour Benoît,

Il est possible d'avoir recours à la fonction "sapply" pour se passer de la boucle que vous utilisez. Cependant cela n'est pas très "propre" car la fonction "tmp_max_ind" utilise des éléments ("VecIndiv", "TmpMax") extérieurs à la fonction, mais bon c'est malgré tout un début pour se familiariser avec les fonctions de cette famille (apply, sapply, tapply...).
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 TmpMax<-tapply(DataEx$Tmp,DataEx$Indiv,max) VecIndiv<-unique(DataEx$Indiv) tmp_max_ind<-function(k) { s<-which(DataEx$Indiv==VecIndiv[k] & DataEx$Tmp==TmpMax[k]) return(s) } IndiceTmpMax<-sapply(1:length(VecIndiv),tmp_max_ind) DataExTmpMax<-DataEx[IndiceTmpMax,]
Cordialement,

A.D.

Ok merci,
j'ai "optimisé" le code en enlevant le tapply. Voici où j'en suis:

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
 
VecIndiv<-unique(DataEx$Indiv)
 
tmp_max_ind<-function(k) {
  Datak<-DataEx[DataEx$Indiv==VecIndiv[k],]
  MaxTmpk<-max(Datak$Tmp)
	s<-which(DataEx$Indiv==VecIndiv[k] & DataEx$Tmp==MaxTmpk)
	return(s)
}
 
 
IndiceTmpMax<-sapply(1:length(VecIndiv),tmp_max_ind)
 
DataExTmpMax<-DataEx[IndiceTmpMax,]
DataExTmpMax
  Indiv Tmp Val1
2     A   4    2
3     B   5    3
6     C   3    2
>

Merci de votre aide.
Benoît

Bonjour,
voici une variante que je n'ai pas eu le temps de vérifier :oops::
Code:

1 2 3 4 5 T <- tapply(DataEx$Tmp,DataEx$Indiv,which.max) L2 <- tapply(DataEx[,2], DataEx[,1], function(x) length(unique(x))) T[4]<-0 L2 <- c(0,L2) T + cumsum(L2)
Qu'en pensez-vous?

Bonne continuation :)