如果整个组满足条件，如何仅保留 data.frame 的那些行答案

【问题标题】：How to keep only those rows of a data.frame if whole group fulfills condition如果整个组满足条件，如何仅保留 data.frame 的那些行
【发布时间】：2019-03-21 09:28:40
【问题描述】：

我对 R 相当陌生，我有一个问题是如何根据 ID 和日期只保留某些值。我有一个（相当大的）数据集，如下例所示：

ID Type Date
1  OUT 2016-06-18
1  OUT 2016-06-18
1  OUT 2016-06-18
1  IN  2016-06-25
1  OUT 2016-06-25
2  IN  2016-07-03
2  OUT 2016-07-03

我现在的问题是如何找到仅包含一种类型（IN 或 OUT）的日期并将其从数据中删除。但是，如果类型是一对（IN 和 OUT）并且 ID 值相同，我想保留日期。

有没有办法在 R 中做到这一点？

【问题讨论】：

How to efficiently filter a data frame?的可能重复
如果您还可以提供测试数据集的预期输出，将会有所帮助。

标签： r date dataframe

【解决方案1】：

这是使用dplyr 执行此操作的一种方法。这将查找所有具有至少每个 In 和 Out 之一的 ID + Date 组合。

has_both <- df1 %>%
  count(ID, Date, Type) %>%  # How many rows with each combo ID / Date / Type
  count(ID, Date) %>% # How many rows appear for each ID / Date
  filter(nn == 2) %>% # Only keep where 2 types (IN and OUT, presumably)
  left_join(df1)  %>% # Bring back matching original data

输出

has_both
# A tibble: 4 x 4
     ID Date          nn Type 
  <int> <chr>      <int> <chr>
1     1 2016-06-25     2 IN   
2     1 2016-06-25     2 OUT  
3     2 2016-07-03     2 IN   
4     2 2016-07-03     2 OUT

【讨论】：

【解决方案2】：

如果我正确理解了您的要求，这是使用dplyr 包的简单方法-

df %>%
  group_by(ID, Date) %>%
  filter(n_distinct(Type) > 1)

# A tibble: 4 x 3
# Groups:   ID, Date [2]
     ID Type  Date      
  <int> <chr> <chr>     
1     1 IN    2016-06-25
2     1 OUT   2016-06-25
3     2 IN    2016-07-03
4     2 OUT   2016-07-03

从基础 R 中使用 ave() 的另一种方式 -

df[with(df, ave(Type, ID, Date, FUN = function(x) length(unique(x)))) == 2, ]

  ID Type       Date
4  1   IN 2016-06-25
5  1  OUT 2016-06-25
6  2   IN 2016-07-03
7  2  OUT 2016-07-03

【讨论】：

【解决方案3】：

为了完整起见，这里也有一些data.table的解决方案：

library(data.table)

setDT(df)[, if (uniqueN(Type) > 1) .SD, by = .(ID, Date)]

   ID       Date Type
1:  1 2016-06-25   IN
2:  1 2016-06-25  OUT
3:  2 2016-07-03   IN
4:  2 2016-07-03  OUT

在每个ID、Date 组内，仅返回有多个不同Type 的df 子集。

这也可以写成：

setDT(df)[, .SD[uniqueN(Type) > 1], by = .(ID, Date)]

还有一个变体可以通过加入找到满足要求的ID 和Date 组合和子集df：

setDT(df)[df[, uniqueN(Type), by = .(ID, Date)][V1 > 1], on = .(ID, Date), .SD]

   ID Type       Date
1:  1   IN 2016-06-25
2:  1  OUT 2016-06-25
3:  2   IN 2016-07-03
4:  2  OUT 2016-07-03

数据

df <-readr::read_delim(
"ID Type Date
1  OUT 2016-06-18
1  OUT 2016-06-18
1  OUT 2016-06-18
1  IN  2016-06-25
1  OUT 2016-06-25
2  IN  2016-07-03
2  OUT 2016-07-03", 
delim = " ", trim_ws = TRUE)

【讨论】：