我对 R 比较陌生,所以这可能是一个简单的问题。我尝试广泛搜索答案,但找不到答案。
我有一个表格中的数据框:
firstword nextword freq
a little 23
a great 46
a few 32
a good 15
about the 57
about how 34
about a 48
about it 27
by the 36
by his 52
by an 12
by my 16
这只是我数据集中的一个小样本,用于说明。我的数据框超过一百万行。 firstword 和 nextword 是字符类型。每个 firstword 可以有许多 nextwords 与之关联,而有些可能只有一个。
如何从中生成另一个数据帧,以便按 desc 排序。每个 'firstword' 的频率顺序,最多只包含前 6 个 nextwords。
我尝试了以下代码。
small = ddply(df, "firstword", summarise, nextword=nextword[order(freq,decreasing=T)[1:6]])
这适用于我的数据的较小子集,但是当我对整个数据运行它时内存不足。
最佳答案
这是一种使用 data.table
包的类似有效方法。
首先,您不需要在every组中排列freq
,只排序一次就足够了,效率更高。所以一种方法很简单
library(data.table)
setDT(df)[order(-freq), .SD[seq_len(6)], by = firstword]
另一种方法(可能更有效)是使用 .I
参数(Index)查找索引,然后查找子集
indx <- df[order(-freq), .I[seq_len(6)], by = firstword]$V1
df[indx]
关于r - 为大型数据集从 R 中的 data.frame 中获取前 N 个排序元素,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29842454/