tidyverse：根据其他行中的值从数据框中删除行

Question

我有一些调查数据。每行代表对“受访者”的采访。一些受访者接受了一次采访；其他人多次接受采访。我想从这个 tibble 中只选择每个受访者的最后一次采访。

这是一个最小的例子：

tmp <- tribble(
  ~YYYYMM, ~ID, ~DATEPR, ~IDPREV,
   198001,   1,      NA,      NA,
   198001,   2,      NA,      NA,
   198001,   3,      NA,      NA,
   198002,   1,      198001,   1,
   198002,   2,      NA,      NA,
   198002,   3,      NA,      NA,
   198003,   1,      198002,   1,
   198003,   2,      NA,      NA,
   198003,   3,      198002,   3)

在哪里

• YYYYMM 是采访日期。

• DATEPR 是受访者上次采访的日期（如果有的话）。

• ID 仅在采访波中是唯一的。这意味着，例如，ID==2 和 YYYMM==198001 的受访者不必是 ID==2 和 YYYMM==198002 的受访者。

• IDPREV 是受访者之前采访的 ID，如果有的话。

上面的小标题有九行。但一位受访者接受了 3 次采访，另一位受访者接受了两次采访。我只想要每个受访者的最后一次采访，所以我想要一个只有六行的小标题。这段代码完成了这项工作：

for (i in 1:nrow(tmp)) {
  if (!is.na(tmp$DATEPR[i])) {
    ind <- which(tmp$YYYYMM == tmp$DATEPR[i] & tmp$ID == tmp$IDPREV[i])
    tmp <- tmp[-ind, ]
  }
}

但它似乎有点难以解析。是否有更清晰的方法可以使用 tidyverse 功能达到相同的目的？我想到了一个两步功能：首先，获取要删除的所有行的索引；其次，删除行。但我无法使用map 或dplyr 函数实现此解决方案。

Answer 1

如果之前采访的所有 ID 都列在第 3 列和第 4 列，您可以使用 dplyr::anti_join 对数据框进行 left anti_join，这里匹配 DATEPR 和 @987654323 @ 分别带有 YYYYMM 和 ID，只有来自 temp 且其 YYYYMM 和 ID 没有匹配的行将被留下：

anti_join(tmp, tmp, by = c("YYYYMM" = "DATEPR", "ID" = "IDPREV")) %>% 
    arrange(YYYYMM, ID)

# A tibble: 6 x 4
#  YYYYMM    ID DATEPR IDPREV
#   <dbl> <dbl>  <dbl>  <dbl>
#1 198001     2     NA     NA
#2 198001     3     NA     NA
#3 198002     2     NA     NA
#4 198003     1 198002      1
#5 198003     2     NA     NA
#6 198003     3 198002      3

---

运行代码后：

for (i in 1:nrow(tmp)) {
    if (!is.na(tmp$DATEPR[i])) {
        ind <- which(tmp$YYYYMM == tmp$DATEPR[i] & tmp$ID == tmp$IDPREV[i])
        tmp <- tmp[-ind, ]
    }
}
tmp %>% arrange(YYYYMM, ID)
# A tibble: 6 x 4
#  YYYYMM    ID DATEPR IDPREV
#   <dbl> <dbl>  <dbl>  <dbl>
#1 198001     2     NA     NA
#2 198001     3     NA     NA
#3 198002     2     NA     NA
#4 198003     1 198002      1
#5 198003     2     NA     NA
#6 198003     3 198002      3