Seleziona riga per livello di un fattore

Question

Il mio problema deriva dal fatto che ho già identificato le righe che desidero selezionare per il livello di un fattore, utilizzando un codice diverso. Fondamentalmente quello che ho è questo:

df<-data.frame(ID=c("A","B","C"), pos=c(1,3,2)) 
df2<-data.frame(ID=c(rep("A",5),rep("B",5),rep("C",5)),obs=c(1:15)) 

In df, pos corrisponde all'indice della riga ma all'interno di un unico livello di ID, non in tutto dataframe DF2. Quindi sto cercando un modo per selezionare le righe per ogni ID secondo l'indice corretto (quindi il loro numero di riga all'interno del livello di ciascun fattore di df2).

Questo sarebbe poi darmi:

df3<-data.frame(ID=c("A","B","C"), obs=c(1,8,12)) 

Answer 1

Ecco la soluzione di base R:

df2$pos <- ave(df2$obs, df2$ID, FUN=seq_along) 
merge(df, df2) 
    ID pos obs 
1 A 1 1 
2 B 3 8 
3 C 2 12 

Se df2 è ordinato secondo ID, si può solo fare df2$pos <- sequence(table(df2$ID)) per la prima linea.

Answer 2

dplyr

library(dplyr) 

merge(df,df2) %>% 
    group_by(ID) %>% 
    filter(row_number() == pos) %>% 
    select(-pos) 

# ID obs 
# 1 A 1 
# 2 B 8 
# 3 C 12 

base di R

df2m <- merge(df,df2) 
do.call(rbind, 
    by(df2m, df2m$ID, function(SD) SD[SD$pos[1], setdiff(names(SD),"pos")]) 
) 

by divide il frame di dati unito df2m per df2m$ID e opera su ciascuna parte; restituisce risultati in un elenco, quindi devono essere rbind ed insieme alla fine. Ogni sottoinsieme dei dati (associato a ciascun valore di ID) viene filtrato da pos e deseleziona la colonna "pos" utilizzando la normale sintassi data.frame.

data.table suggerite da @DavidArenburg in un commento

library(data.table) 

setkey(setDT(df2),"ID")[df][, 
    .SD[pos[1L], !"pos", with=FALSE] 
, by = ID] 

La prima parte - setkey(setDT(df2),"ID")[df] - è l'unione. Successivamente, la tabella risultante viene divisa by = ID e ogni Sottoinsieme di dati, .SD viene attivato. pos[1L] ha un sottotitolo nel modo normale, mentre !"pos", with=FALSE corrisponde alla caduta della colonna pos.

Vedere la risposta di @ eddi per un approccio data.table migliore.

Answer 3

Uso data.table versione 1.9.5+:

setDT(df2)[df, .SD[pos], by = .EACHI, on = 'ID'] 

che fonde il ID colonna, quindi seleziona la riga pos per ciascuna delle righe di df.