R中每组的k_th最小元素

Question

我有一个数据表，dt，它看起来像

   location year value
       NYC 2026     1
       NYC 2026     2
       NYC 2026     3
       NYC 2026     4
       NYC 2026     5
        LA 2026     6
        LA 2026     7
        LA 2026     8
        LA 2026     9
        LA 2026    10

我想按city和year对它们进行分组，并在每个组的value列中找到第二个最小的元素，其中所需的结果如下：

   location year value
        NYC  2026     2
         LA  2026     7

dt %>% grou_by(location, year) %>% nth(value, 2)

不会起作用的。任何帮助都是非常感谢的。

上面的数据表可以通过以下方式创建：

dt <- structure(list(location = c("NYC", "NYC", "NYC","NYC", "NYC", 
                                   "LA", "LA", "LA", "LA", "LA"), 
                 year = c(2026, 2026, 2026, 2026, 2026,
                          2026, 2026, 2026, 2026, 2026),
                 value = c(1, 2, 3, 4, 5,
                           6, 7, 8, 9, 10)),
                 class = "data.table", 
                 row.names = c(NA, -10L))

Answer 1

一种dplyr的可能性可能是：

df %>%
 group_by(location) %>%
 arrange(value) %>%
 slice(2)

这里它按"location“列分组，按"value”列排列值，然后保留第二个元素。

  location  year value
  <chr>    <int> <int>
1 LA        2026     7
2 NYC       2026     2

或者，如果"value“列中的值可能重复，则可以执行以下操作：

df %>%
 group_by(location) %>%
 distinct(value, .keep_all = TRUE) %>%
 arrange(value) %>%
 slice(2)

或者使用filter()而不是slice()

df %>%
 group_by(location) %>%
 arrange(value) %>%
 filter(row_number() == 2)

考虑到可能的重复，也是相同的：

df %>%
 group_by(location) %>%
 distinct(value, .keep_all = TRUE) %>%
 arrange(value) %>%
 filter(row_number() == 2)

或者使用filter()和dense_rank()

df %>%
 group_by(location) %>%
 filter(dense_rank(value) == 2)

考虑到可能的重复，也是相同的：

df %>%
 group_by(location) %>%
 distinct(value, .keep_all = TRUE) %>%
 filter(dense_rank(value) == 2)

Answer 2

在group_by中使用summarize

> dt %>% group_by(location, year) %>% arrange(value) %>%  summarize(value = nth(value, 2))
# A tibble: 2 x 3
# Groups:   location [2]
  location  year value
  <chr>    <dbl> <dbl>
1 LA        2026     7
2 NYC       2026     2

Answer 3

因为你只需要第二个元素，所以不完全排序不是不可能的。我不知道dplyr或data.table是否支持它，但它支持基数R排序(有限制的选项)，例如。一些类似的东西

with(dt, lapply(split(dt, interaction(location, year)), 
  function(x) sort.int(x$value, partial=2)))

我怀疑它是否会比dplyr或data.table更快，即使它们是完全排序的优化，但如果效率是一个问题，也许这将是值得关注的。

哦，你也可以先排序，然后分组，然后简单地从每个分组中选择第n个值，这样就可以为每个组保存多个排序例程。