Question

我的数据框看起来像这样：

ID = c(1,1,1,1,2,2,3,3,3,3,4,4) 
TIME = as.POSIXct(c("2013-03-31 09:07:00", "2013-09-26 10:07:00", "2013-03-31 11:07:00",
                    "2013-09-26 12:07:00","2013-03-31 09:10:00","2013-03-31 11:11:00",
                    "2013-03-31 09:06:00","2013-09-26 09:04:00","2013-03-31 10:35:00",
                    "2013-09-26 09:07:00","2013-09-26 09:07:00","2013-09-26 10:07:00"))
var = c(0,0,1,1,0,1,0,0,1,1,0,1) 
DF = data.frame(ID, TIME, var) 

   ID                TIME var
1   1 2013-03-31 09:07:00   0
2   1 2013-09-26 10:07:00   0
3   1 2013-03-31 11:07:00   1
4   1 2013-09-26 12:07:00   1
5   2 2013-03-31 09:10:00   0
6   2 2013-03-31 11:11:00   1
7   3 2013-03-31 09:06:00   0
8   3 2013-09-26 09:04:00   0
9   3 2013-03-31 10:35:00   1
10  3 2013-09-26 09:07:00   1
11  4 2013-09-26 09:07:00   0
12  4 2013-09-26 10:07:00   1

当数据中存在相同的ID和var时，我想删除包含最早TIME值的行，即。最终得到这样的东西：

ID2 = c(1,1,2,2,3,3,4,4) 
TIME2 = as.POSIXct(c("2013-09-26 10:07:00","2013-09-26 12:07:00","2013-03-31 09:10:00",
                     "2013-03-31 11:11:00","2013-09-26 09:04:00","2013-09-26 09:07:00",
                     "2013-09-26 09:07:00","2013-09-26 10:07:00"))
var2 = c(0,1,0,1,0,1,0,1) 
DF2 = data.frame(ID2, TIME2, var2) 

  ID2               TIME2 var2
1   1 2013-09-26 10:07:00    0
2   1 2013-09-26 12:07:00    1
3   2 2013-03-31 09:10:00    0
4   2 2013-03-31 11:11:00    1
5   3 2013-09-26 09:04:00    0
6   3 2013-09-26 09:07:00    1
7   4 2013-09-26 09:07:00    0
8   4 2013-09-26 10:07:00    1

正如您所看到的，这不仅仅是避免在2013年3月进行的测量，因为这些测量是有效的。它只是有重复的测量结果＆＃34;并且已经在9月再次进行了应该受到影响（参见例如ID = 2仍然在DF2中）。

希望你能提供帮助。

Sincerily， ykl

Answer 1

这是dplyr的选项：

library(dplyr)
DF %>% group_by(ID, var) %>% filter(n() == 1L | !TIME %in% min(TIME))
#Source: local data frame [8 x 3]
#Groups: ID, var
#
#  ID                TIME var
#1  1 2013-09-26 10:07:00   0
#2  1 2013-09-26 12:07:00   1
#3  2 2013-03-31 09:10:00   0
#4  2 2013-03-31 11:11:00   1
#5  3 2013-09-26 09:04:00   0
#6  3 2013-09-26 09:07:00   1
#7  4 2013-09-26 09:07:00   0
#8  4 2013-09-26 10:07:00   1

这是做什么的：

采取数据框DF
按ID和var
过滤器函数用于按行过滤掉（子集）。它需要一个逻辑向量并返回向量为TRUE的行。逻辑是： 1）如果该组只有1行，即n() == 1L，则始终返回该行。 2）如果组有多于1行，即n() > 1L，则检查TIME值是否为! 等于组的最小（earlist）TIME值。通过使用|，我们否定向量，以便在TIME达到最小值时它为FALSE。那些1）和2）条件与OR（{{1}}）组合。

Answer 2

使用data.table

的选项

library(data.table)
setDT(DF)[ ,{if(.N==1) .SD else .SD[-which.min(TIME)]}, by=list(ID, var)]
#   ID var                TIME
#1:  1   0 2013-09-26 10:07:00
#2:  1   1 2013-09-26 12:07:00
#3:  2   0 2013-03-31 09:10:00
#4:  2   1 2013-03-31 11:11:00
#5:  3   0 2013-09-26 09:04:00
#6:  3   1 2013-09-26 09:07:00
#7:  4   0 2013-09-26 09:07:00
#8:  4   1 2013-09-26 10:07:00

或者@docendo discimus

显示的类似逻辑方法

setDT(DF)[DF[,.N==1L|!TIME %in% min(TIME), by=list(ID, var)]$V1]

R当存在重复ID时，删除最早的观察结果

2 个答案: