Question

我有一个包含2列和多行的数据框，一列中有重复的ID，另一列有多个日期。如何通过ID创建前两个记录的数据子集？

- ID日期
- A 1/1/18 18:34
- A 1/1/18 18:35
- A 1/1/18 18:35
- A 1/1/18 18:36
- A 1/1/18 18:37
- A 1/1/18 18:38
- A 1/1/18 18:39
- B 1/1/18 18:34
- B 1/1/18 18:35
- B 1/1/18 18:35
- B 1/1/18 18:36
- B 1/1/18 18:37
- B 1/1/18 18:38
- B 1/1/18 18:39
- C 1/1/18 18:34
- C 1/1/18 18:35
- C 1/1/18 18:36
- C 1/1/18 18:36
- C 1/1/18 18:36
- C 1/1/18 18:37
- C 1/1/18 18:38

预期结果：

ID日期

A 1/1/18 18:34

A 1/1/18 18:35

B 1/1/18 18:34

B 1/1/18 18:35

C 1/1/18 18:34

C 1/1/18 18:35

Answer 1

您可以使用data.table包创建一个按ID和日期顺序计算记录的字段，如下所示：

data <- data[, count := sequence(.N), by = c('ID', 'Date')][]

然后，您可以根据count

对数据进行子集化

result <- subset(data, count <= 2)

Answer 2

我编辑这篇文章是为了澄清这种方法。此代码段包含group by根据列ID，后跟head列dates列，该列检索每个不同ID的前两个实例。假设日期的格式为：

dates = c('Date 1 A', 'Date 2 A', 'Date 3 A', 'Date 4 A', 'Date 5 A', 'Date 6 A', 'Date 7 A',
          'Date 1 B', 'Date 2 B', 'Date 3 B', 'Date 4 B', 'Date 5 B', 'Date 6 B', 'Date 7 B',
          'Date 1 C', 'Date 2 C', 'Date 3 c', 'Date 4 c', 'Date 5 c', 'Date 6 c', 'Date 7 c')

因此，每个ID（A，B和C）都有7个不同的日期，这些日期标有相应的ID。 我还假设数据集按ID和dates排序。

现在，按ID分组并使用head(<columnwewanttosubset>, 2)

ID <- rep(c('A','B','C'), c(7,7,7))

df <- data.table(ID,dates)

df[, .(Dates = head(dates,2)), by = ID]

#    ID    Dates
# 1:  A Date 1 A
# 2:  A Date 2 A
# 3:  B Date 1 B
# 4:  B Date 2 B
# 5:  C Date 1 C
# 6:  C Date 2 C

因此，您可以看到输出是每个dates的前两个ID。

已编辑 （见上文）

我建议data.table

library(data.table)

dates <- c('1/1/18 18:34','1/1/18 18:35','1/1/18 18:35','1/1/18 18:36','1/1/18 18:37','1/1/18 18:38','1/1/18 18:39','1/1/18 18:34','1/1/18 18:35','1/1/18 18:35','1/1/18 18:36','1/1/18 18:37','1/1/18 18:38','1/1/18 18:39','1/1/18 18:34','1/1/18 18:35','1/1/18 18:36','1/1/18 18:36','1/1/18 18:36','1/1/18 18:37','1/1/18 18:38')
ID <- rep(c('A','B','C'), c(7,7,7))

df <- data.table(ID,dates)

df[,head(dates,2), by = ID]

#    ID           V1
# 1:  A 1/1/18 18:34
# 2:  A 1/1/18 18:35
# 3:  B 1/1/18 18:34
# 4:  B 1/1/18 18:35
# 5:  C 1/1/18 18:34
# 6:  C 1/1/18 18:35

基于日期的数据子集基于R中的标准

2 个答案: