子集R数据框或有关重复变量的值

如何才能对以下示例数据框进行子集化，以仅返回最早发生的一个观察[即分（年）]每个ID？子集R数据框或有关重复变量的值

id <- c("A", "A", "C", "D", "E", "F") 
year <- c(2000, 2001, 2001, 2002, 2003, 2004) 
qty <- c(100, 300, 100, 200, 100, 500) 
df=data.frame(year, qty, id)

在上面的例子中有在2000年和2001年在重复的ID的情况下，两个意见为“A”的ID，我想该子集的数据帧仅包括第一次出现（即在2000年）重复的id的观察。

df2 = subset(df, ???)

这就是我试图返回：

df2 

year qty id 
2000 100 A 
2001 100 C 
2002 200 D 
2003 100 E 
2004 500 F

任何援助将不胜感激。

来源

2012-06-26 MikeTP

您可以在最小的一年+ ID汇总，然后与原始数据帧合并以获得数量：

df2 <- merge(aggregate(year ~ id, df1, min), df1) 

# > df2 
# id year qty 
# 1 A 2000 100 
# 2 C 2001 100 
# 3 D 2002 200 
# 4 E 2003 100 
# 5 F 2004 500

来源

2012-06-26 23:25:40 neilfws

非常直观的解决方案。非常感谢你。 – MikeTP

这是你在找什么？你的第二排对我来说看起来不对（这是重复的一年，而不是第一次）。

> duplicated(df$year) 
[1] FALSE FALSE TRUE FALSE FALSE FALSE 
> df[!duplicated(df$year), ] 
    year qty id 
1 2000 100 A 
2 2001 300 A 
4 2002 200 D 
5 2003 100 E 
6 2004 500 F

编辑1：呃，我完全误解了你的要求。尽管如此，我会保持这一点。

编辑2：

好吧，这里是一个解决方案：按年份（所以每个ID的第一项具有最早的一年），然后使用duplicated。我觉得这是最简单的解决方案：

> df.sort.year <- df[order(df$year), ] 
> df.sort.year[!duplicated(df$id), ] 
    year qty id 
1 2000 100 A 
3 2001 100 C 
4 2002 200 D 
5 2003 100 E 
6 2004 500 F

来源

2012-06-26 23:21:05 Vince

谢谢你，我不知道复制的功能 – MikeTP

使用plyr

library(plyr) 
## make sure first row will be min (year) 
df <- arrange(df, id, year) 
df2 <- ddply(df, .(id), head, n = 1) 


df2 
## year qty id 
## 1 2000 100 A 
## 2 2001 100 C 
## 3 2002 200 D 
## 4 2003 100 E 
## 5 2004 500 F

或使用data.table。将密钥设置为id，year将确保第一行是年份的最小值。

library(data.table) 
DF <- data.table(df, key = c('id','year')) 
DF[,.SD[1], by = 'id'] 

##  id year qty 
## [1,] A 2000 100 
## [2,] C 2001 100 
## [3,] D 2002 200 
## [4,] E 2003 100 
## [5,] F 2004 500

来源

2012-06-26 23:22:19 mnel

同样的，对于大型data.tables，这可能会更快：'DF [J（唯一的（DF [，ID]）），MULT = “第一”]'。 –

有可能是这样的漂亮的方式，但是这是来到介意

# use which() to get index for each id, saving only first 
first_occurance <- with(df, sapply(unique(id), function(x) which(id %in% x)[1])) 
df[first_occurance,] 
# year qty id 
#1 2000 100 A 
#3 2001 100 C 
#4 2002 200 D 
#5 2003 100 E 
#6 2004 500 F

来源

2012-06-26 23:30:58

子集R数据框或有关重复变量的值

回答

相关问题