在 R 中使用的 group_by

Question

尝试从数据集创建参考表以查找文档的当前状态。示例如下：

Document<-c(1,1,1,1,2,2,2)
change_date <- c("2015-01-01","2015-01-03","2015-01-05","2015-01-08","2015-01-05","2015-01-07","2015-01-20")
status <- c("A","A","B","C","A","B","D")
df<-data.frame(Document,change_date,status)

基本上决赛桌应该如下所示：

  Document.x status
1          1      C
2          2      D

我目前正在使用下面的代码，但肯定有一种更聪明的方法可以将状态为 date==max(date) 的文档分组？

library(dplyr)
df$change_date <- as.Date(df$change_date)
df1<-group_by(df,Document) %>%
      summarise(latest=max(change_date))
df1$uid<-paste(df1$Document,df1$latest,sep="_")
df$uid<-paste(df$Document,df$change_date,sep="_")
df2<-merge(df1,df,"uid",x.all=TRUE)
df2<-df2[,c(2,6)]

提前致谢。

Answer 1

您可以直接在dplyr中调用max(change_date)：

df %>% 
  group_by(Document) %>% 
  filter(change_date == max(change_date)) %>%
  filter(row_number() == 1) % in case you have duplicate records falling on the last date

Answer 2

我们可以使用'change_date'上的which.max来获取最大日期的索引，并根据'文档'分组后的'状态'子集

df %>%
   group_by(Document) %>% 
   summarise(status = status[which.max(change_date)])
#     Document status
#      (dbl) (fctr)
#1        1      C
#2        2      D

---

或者按Document分组后，我们arrange'change_date'降序，得到每个组的第一行，select只有ungrouping之后的相关列。

df %>%
  group_by(Document) %>% 
  arrange(desc(change_date)) %>% 
  slice(1L) %>%
  ungroup() %>% 
  select(-change_date)
#     Document status
#      (dbl) (fctr)
#1        1      C
#2        2      D

---

使用data.table，语法为

 library(data.table)
 setDT(df)[, .(status = status[which.max(change_date)]), by = Document]

---

或者base R

 df[with(df, ave(change_date, Document,
              FUN= max)==change_date), c(1,3)]
#    Document status
#4        1      C
#7        2      D

---

或者使用sqldf

library(sqldf)
sqldf('select Document, status
        from df 
        where change_date in (select max(change_date) from df
        group by "Document")')
#  Document status
#1        1      C
#2        2      D

注意：在 OP 的帖子中，'change_date' 是 factor 类。在尝试上述解决方案之前，应将其转换为 Date 类。

数据

df$change_date <- as.Date(df$change_date)