Question

我目前在作业方面遇到问题。

我们分析了YT趋势数据，其结构如下

我们在行中具有观察值，在列中具有诸如视频ID，类别ID，标题，趋势日期等内容。

任务是每个video_id保留最新的观察结果（视频有时处于趋势状态的几天，我们只需要最新的观察（行）。

到目前为止，我已经尝试过：

newDataframe <- aggregate(trending_date ~ video_id, data=df, FUN=max)

虽然完成了这项工作，但我没有其他所有变量都希望获得所需的趋势日期和ID，因此我考虑将其与旧版本绑定在一起？数据框，但我不知道如何在没有多余的较早观察结果的情况下执行此操作。

非常感谢您的帮助！

Answer 1

我们可以使用ggplot2软件包中的经济学数据来使答案具有可重复性：

library(data.table)

econ <- as.data.table(ggplot2::economics_long)
econ
##             date variable  value      value01
##    1: 1967-07-01      pce  507.4 0.0000000000
##    2: 1967-08-01      pce  510.5 0.0002660008
##    3: 1967-09-01      pce  516.3 0.0007636797
##    4: 1967-10-01      pce  512.9 0.0004719369
##    5: 1967-11-01      pce  518.1 0.0009181318
##   ---                                        
## 2866: 2014-12-01 unemploy 8688.0 0.4739085814
## 2867: 2015-01-01 unemploy 8979.0 0.4968816610
## 2868: 2015-02-01 unemploy 8705.0 0.4752506513
## 2869: 2015-03-01 unemploy 8575.0 0.4649877635
## 2870: 2015-04-01 unemploy 8549.0 0.4629351859

此命令（使用data.table包）获取每个变量的最新行：

econ[order(-date), .SD[1], by=variable]
##    variable       date    value   value01
## 1:      pce 2015-04-01  12158.9 0.9997769
## 2:      pop 2015-04-01 320887.0 1.0000000
## 3:  psavert 2015-04-01      5.6 0.2450331
## 4:  uempmed 2015-04-01     11.7 0.3632075
## 5: unemploy 2015-04-01   8549.0 0.4629352

说明

econ表子集
order(-date)按date列对行进行降序排列（从最新到最旧）
- 要以升序排序：order(date)
- 要按多列排序：order(variable, date, etc.)
by=variable按variable列分组数据
.SD一个 D ata的 S ubset，它是一个特殊的表，使用by参数时可以访问它；它是econ表，但对于variable的每个值都分为一个单独的表
.SD[1]获取.SD表的第一行

在您的示例中使用以下命令：

## Convert the data.frame to a data.table
setDT(df)

## Get the most recent observation per video_id
df[order(-trending_date), .SD[1], by=video_id

R：每个ID仅具有最近观测值的子集数据

1 个答案: