根据 R 中几列的条件消除重复项

Question

这是我的数据集：

df <- data.frame(PatientID = c("3454","3454","3454","345","345","345"), date = c("05/01/2001", "02/06/1997", "29/03/2004", "05/2/2021", "01/06/1960", "29/03/2003"),
                 infarct1 = c(TRUE, NA, TRUE, NA, NA, TRUE),infarct2 = c(TRUE, TRUE, TRUE, TRUE, NA, TRUE,  stringsAsFactors = F)

基本上我只需要保留 1 个患者 ID（又名，消除重复的 PatientID），基于最近的梗塞（最后一个 infarct==TRUE [但任何类型的梗塞] 基于 date）。

所以我想要的结果是这样的：

 df <- data.frame(PatientID = c("3454","345"), date = c("29/03/2004", "05/2/2021"),
                     infarct = c(TRUE,TRUE), stringsAsFactors = F)

希望这是有道理的。

谢谢

Answer 1

您可以通过PatientID 和date 将日期转换为日期类，arrange 数据并获取infarct = TRUE 的最后日期。

library(dplyr)

df %>%
  mutate(date = lubridate::dmy(date)) %>%
  arrange(PatientID, date) %>%
  group_by(PatientID) %>%
  summarise(date = date[max(which(infarct))], 
            infract = TRUE)

#  PatientID date       infract
#  <chr>     <date>     <lgl>  
#1 345       2003-03-29 TRUE   
#2 3454      2004-03-29 TRUE   

---

对于多列获取长格式数据。

df %>%
  mutate(date = lubridate::dmy(date)) %>%
  tidyr::pivot_longer(cols = starts_with('infarct')) %>%
  arrange(PatientID, date) %>%
  group_by(PatientID) %>%
  slice(max(which(value))) %>%
  ungroup

#  PatientID date       name     value
#  <chr>     <date>     <chr>    <lgl>
#1 345       2021-02-05 infarct2 TRUE 
#2 3454      2004-03-29 infarct2 TRUE 

数据

我认为您需要在 date 列中为数据加上引号。

df <- data.frame(PatientID = c("3454","3454","3454","345","345","345"), 
                 date = c("05/01/2001", "02/06/1997", "29/03/2004", "05/2/2021", "01/06/1960", "29/03/2003"),
                 infarct = c(TRUE, NA, TRUE, NA, NA, TRUE), stringsAsFactors = FALSE)

Answer 2

试试这个：

library(dplyr)

df <- df %>% 
  mutate(infarct = infarct1 | infarct2) %>%
  filter(infarct == TRUE) %>%
  group_by(PatientID, infarct) %>%
  summarise(date=max(date))

1. 创建infarct 变量。
2. 过滤 TRUE 梗塞。
3. 组。
4. 寻找最后一次。