查找 R 数据框中每行中值最小的列名。
r programmingserver side programmingprogramming更新于 2025/4/9 7:22:17
要查找 R 数据框中每行值最小的列名，我们可以使用 colnames 函数和 apply 函数。
例如，如果我们有一个名为 df 的数据框，那么我们可以使用下面提到的命令 − 查找每行值最小的列名。
df$Least_Column<-colnames(df)[apply(df,1,which.min)]
示例 1
以下代码片段创建了一个示例数据框 −
x1<-rpois(20,10) x2<-rpois(20,10) x3<-rpois(20,10) x4<-rpois(20,10) df1<-data.frame(x1,x2,x3,x4) df1
创建以下数据框
x1 x2 x3 x4 1 6 12 9 8 2 15 16 9 9 3 8 7 11 10 4 13 8 8 9 5 14 10 15 15 6 5 10 4 10 7 10 13 5 9 8 7 7 9 12 9 9 14 11 8 10 6 9 6 10 11 12 12 10 12 12 8 4 12 9 13 8 9 15 14 14 14 9 8 6 15 10 15 12 12 16 13 9 8 13 17 11 15 7 11 18 11 13 9 7 19 14 8 12 6 20 7 6 13 10
要在上述创建的数据框中查找 df1 中每行具有最小值的列名，请将以下代码添加到上述代码片段中 −
x1<-rpois(20,10) x2<-rpois(20,10) x3<-rpois(20,10) x4<-rpois(20,10) df1<-data.frame(x1,x2,x3,x4) df1$Smallest_Col<-colnames(df1)[apply(df1,1,which.min)] df1
输出
如果将上述所有代码片段作为单个程序执行，则会生成以下输出 −
x1 x2 x3 x4 Smallest_Col 1 6 12 9 8 x1 2 15 16 9 9 x3 3 8 7 11 10 x2 4 13 8 8 9 x2 5 14 10 15 15 x2 6 5 10 4 10 x3 7 10 13 5 9 x3 8 7 7 9 12 x1 9 9 14 11 8 x4 10 6 9 6 10 x1 11 12 12 10 12 x3 12 8 4 12 9 x2 13 8 9 15 14 x1 14 14 9 8 6 x4 15 10 15 12 12 x1 16 13 9 8 13 x3 17 11 15 7 11 x3 18 11 13 9 7 x4 19 14 8 12 6 x4 20 7 6 13 10 x2
示例 2
以下代码片段创建了一个示例数据框 −
y1<-round(rnorm(20),2) y2<-round(rnorm(20),2) y3<-round(rnorm(20),2) df2<-data.frame(y1,y2,y3) df2
创建以下数据框
y1 y2 y3
1 -0.33 0.19 -0.18
2 -1.41 -0.42 -0.06
3 -0.48 -0.62 -0.51
4 -0.27 0.68 0.38
5 1.00 1.04 1.31
6 -0.29 0.04 -1.23
7 0.65 -1.47 -1.11
8 0.33 0.14 0.80
9 1.29 0.20 1.14
10 -0.26 0.10 0.64
11 0.42 -0.17 0.64
12 -0.31 1.53 -0.41
13 0.21 -0.87 -1.03
14 0.85 1.82 -1.35
15 0.80 0.89 0.45
16 0.65 1.08 0.08
17 -0.05 -1.16 0.35
18 -0.91 -0.19 -0.93
19 0.14 -1.30 -0.91
20 -0.03 2.02 1.41
要在上述创建的数据框中查找 df2 中每行具有最小值的列名，请将以下代码添加到上述代码片段中 −
y1<-round(rnorm(20),2) y2<-round(rnorm(20),2) y3<-round(rnorm(20),2) df2<-data.frame(y1,y2,y3) df2$Smallest_Col<-colnames(df2)[apply(df2,1,which.min)] df2
输出
如果将上述所有代码片段作为单个程序执行，则会生成以下输出 −
y1 y2 y3 Smallest_Col 1 -0.33 0.19 -0.18 y1 2 -1.41 -0.42 -0.06 y1 3 -0.48 -0.62 -0.51 y2 4 -0.27 0.68 0.38 y1 5 1.00 1.04 1.31 y1 6 -0.29 0.04 -1.23 y3 7 0.65 -1.47 -1.11 y2 8 0.33 0.14 0.80 y2 9 1.29 0.20 1.14 y2 10 -0.26 0.10 0.64 y1 11 0.42 -0.17 0.64 y2 12 -0.31 1.53 -0.41 y3 13 0.21 -0.87 -1.03 y3 14 0.85 1.82 -1.35 y3 15 0.80 0.89 0.45 y3 16 0.65 1.08 0.08 y3 17 -0.05 -1.16 0.35 y2 18 -0.91 -0.19 -0.93 y3 19 0.14 -1.30 -0.91 y2 20 -0.03 2.02 1.41 y1
