1.
有没有办法使用递减每个组的最大值和通过递减值在组内排序？
输入
x <- read.table(text = "Name Value
A 20
A 40
A 35
B 70
B 80
B 90
C 10
C 20
C 30 ", header = T)
输出
Name Value
B 90
B 80
B 70
A 40
A 35
A 20
C 30
C 20
C 10
按名称分组，创建一个临时列，然后按它和值排列
df %>% group_by(Name) %>%
mutate(mx = max(Value)) %>%
arrange(desc(mx), desc(Value)) %>%
select(-mx)
编辑：更正和基准
在准备基准测试期间，我注意到我的一些解决方案仅适用于 OP 提供的部分有序样本数据，但对于任意随机排列的数据却失败。我已经从我的答案中删除了这些，但它们仍然可以从历史记录中找到。
添加的基准部分比较了两个不同问题大小的基本 R、data.table和两个dpylr解决方案。
为了完整起见，这里有两个data.table和一个基本 R 解决方案：
1.data.table
library(data.table)
X <- data.table(x)
X[, tmp := max(Value), by = Name][order(-tmp, -Value)][, tmp := NULL][]
Name Value 1: B 90 2: B 80 3: B 70 4: A 40 5: A 35 6: A 20 7: C 30 8: C 20 9: C 10
@Frank提出了一个更简洁data.table的解决方案：
X <- data.table(x)
X[order(-Value), .SD, by = Name]
这是有效的，因为在排序后，每个组中行的顺序都会保留，组的顺序也会保留。(help("data.table"by参数上(
2. 基数 R
这是对弗兰克建议的修改：
x[with(x, order(-ave(Value, Name, FUN = max), -Value)), ]
Name Value 6 B 90 5 B 80 4 B 70 2 A 40 3 A 35 1 A 20 9 C 30 8 C 20 7 C 10
基准
为了针对不同的问题大小运行基准测试，我们需要编造示例数据：
library(magrittr)
library(data.table)
# prepare data
n_rows <- 1E1
set.seed(1234L)
x0 <- data.frame(
Name = sample(LETTERS[seq_len(min(round(n_rows/3), length(LETTERS)))], n_rows, TRUE),
Value = sample(n_rows))
# coerce to data.table
X0 <- data.table(x0)
某些解决方案会就地更改数据，因此每次运行都以全新副本开始。复制操作也是计时的。
# run benchmarks
microbenchmark::microbenchmark(
copy = x <- copy(x0),
base_avg = {
x <- copy(x0)
x[with(x, order(-ave(Value, Name, FUN = max), -Value)),]
},
dt_tmp = {
X <- copy(X0)
X[, tmp := max(Value), by = Name][order(-tmp, -Value)][, tmp := NULL][]
},
dt_SD = {
X <- copy(X0)
X[order(-Value), .SD, by = Name]
},
dplyr_rt = {
copy(x0) %>%
dplyr::group_by(Name) %>%
dplyr::mutate(mx = max(Value)) %>%
dplyr::arrange(desc(mx), desc(Value)) %>%
dplyr::select(-mx)
},
dplyr_loki = {
copy(x0) %>%
dplyr::group_by(Name) %>% # group by Name
dplyr::mutate(NameMax = max(Value)) %>% # create a temp variable holding the max of each Name
dplyr::arrange(desc(NameMax), desc(Value)) %>% # arrange with two columns
dplyr::select(Name, Value) # select only the two input columns
},
times = 100L
)
以下是 10 行和 1 M 行两种不同问题大小的结果。
只有 10 行(主要是测量开销(，
Unit: microseconds expr min lq mean median uq max neval cld copy 12.839 19.8235 23.69004 24.1660 27.9415 38.892 100 a base_avg 149.145 193.5115 256.32913 227.8710 243.5400 2180.155 100 a dt_tmp 951.883 1046.2780 1185.33735 1175.2215 1256.9685 1903.387 100 b dt_SD 758.184 827.2810 1386.55800 970.0065 1035.5170 40170.486 100 b dplyr_rt 7329.984 7700.2025 8107.00109 7925.8075 8273.7485 11631.389 100 c dplyr_loki 8650.386 9059.3065 9820.92511 9269.0525 9745.3710 33805.600 100 d
基 R 显然是最快的，其次是两种data.table方法，两种dplyr方法都排在最后。dplyr之间的差异很有趣。似乎dplyr::select(-mx)更快，即开销比dplyr::select(Name, Value)少，这是代码中唯一的区别。
1 M 行 (n_rows <- 1E6(，
Unit: milliseconds expr min lq mean median uq max neval cld copy 1.378927 1.809747 2.404129 2.268131 2.374798 5.561016 11 a base_avg 131.783388 143.402694 207.434114 255.460485 259.142658 276.782117 11 c dt_tmp 70.030740 72.104982 84.694791 75.020852 76.197961 192.827694 11 b dt_SD 53.406217 55.149698 58.090283 58.156189 60.084684 67.835483 11 b dplyr_rt 752.707729 779.147098 821.327276 809.360011 878.231387 895.566707 11 d dplyr_loki 747.559410 765.500369 792.089826 793.458180 803.056861 895.127580 11 d
这两种data.table解决方案都比基本 R 方法快约 4 倍，比dplyr解决方案快 10 倍以上，具有dt_SD优势。dplyr_rt和dplyr_loki之间的巨大差异已经消失，现在看来dplyr_loki更快一些。
这是一个dplyr的解决方案。请参阅@UweBlock的答案以获取基准测试。
library(dplyr)
x %>% group_by(Name) %>% # group by Name
mutate(NameMax = max(Value)) %>% # create a temp variable holding the max of each Name
arrange(desc(NameMax), desc(Value)) %>% # arrange with two columns
select(Name, Value) # select only the two input columns
# Name Value
# <fctr> <int>
# 1 B 90
# 2 B 80
# 3 B 70
# 4 A 40
# 5 A 35
# 6 A 20
# 7 C 30
# 8 C 20
# 9 C 10