如何在R中的面板数据集中找到第一个和最后一个出现

Question

我有一张桌子：

id  time
1   1
1   2
1   5
2   3
2   2
2   7
3   8
3   3
3   14

我想把它转换成：

id  first last
1      1     5
2      3     7
3      8    14

请帮忙！

Answer 1

我们可以使用data.table。将'data.frame'转换为'data.table'（setDT(df1)），按'id'分组，我们得到'time'的first和last值

library(data.table)
setDT(df1)[, list(firstocc = time[1L], lastocc = time[.N]),
                    by = id]

---

或者dplyr，我们使用相同的方法。

library(dplyr)
df1 %>% 
    group_by(id) %>%
    summarise(firstocc = first(time), lastocc = last(time))

---

或者使用base R（不需要包）

do.call(rbind, lapply(split(df1, df1$id), 
    function(x) data.frame(id = x$id[1],
       firstocc = x$time[1], lastocc = x$time[nrow(x)])))

---

如果我们需要基于min和max的值（与预期的输出无关），data.table选项是

setDT(df1)[, setNames(as.list(range(time)),
                 c('firstOcc', 'lastOcc')) ,id]

而dplyr 是

df1 %>%
   group_by(id) %>%
   summarise(firstocc = min(time), lastocc = max(time))

Answer 2

有很多包可以在 R 中执行这种聚合。我们展示如何在没有任何包的情况下执行此操作，然后用一些包展示它。

1) 使用aggregate。不需要包裹。

ag <- aggregate(time ~ id, DF, function(x) c(first = min(x), last = max(x)))

给予：

> ag
  id time.first time.last
1  1          1         5
2  2          2         7
3  3          3        14

ag 是一个两列数据框，其第二列包含一个两列矩阵，其列名为“第一”和“最后”。如果要将其展平为 3 列数据框，请使用：

do.call("cbind", ag)

给予：

     id first last
[1,]  1     1    5
[2,]  2     2    7
[3,]  3     3   14

1a) (1) 的这种变体更紧凑，但牺牲了更难看的列名。

aggregate(time ~ id, DF, range)

2) sqldf

library(sqldf)
sqldf("select id, min(time) first, max(time) last from DF group by id")

给予：

     id first last
[1,]  1     1    5
[2,]  2     2    7
[3,]  3     3   14

3）summaryBy doBy包中的summaryBy很像aggregate：

library(doBy)

summaryBy(time ~ id, data = DF, FUN = c(min, max))

给予：

  id time.min time.max
1  1        1        5
2  2        2        7
3  3        3       14

注意：这里是输入 DF 的可重现形式：

Lines <- "id  time
1   1
1   2
1   5
2   3
2   2
2   7
3   8
3   3
3   14"
DF <- read.table(text = Lines, header = TRUE)

更新：添加了 (1a)、(2) 和 (3) 并修复了 (1)。

Answer 3

您可以删除重复项并对其进行重塑

dd <- read.table(header = TRUE, text = "id  time
1   1
1   2
1   5
2   3
2   2
2   7
3   8
3   3
3   14")

d2 <- dd[!(duplicated(dd$id) & duplicated(dd$id, fromLast = TRUE)), ]
reshape(within(d2, tt <- c('first', 'last')), dir = 'wide', timevar = 'tt')

#   id time.first time.last
# 1  1          1         5
# 4  2          3         7
# 7  3          8        14